Luận văn: CÁC NHÂN TỐ TÁC ĐỘNG LÊN TỶ SUẤT SINH LỢI CHỨNG KHOÁN -- XÂY DỰNG MÔ HÌNH TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM potx

Tuy nhiên, vẫn chưa có một nghiên cứu quy mô nào về tác động của các nhân tố lên tỷ suất sinh lợi của chứng khoán, từ đó cho nhà đầu tư một nhận định đúng về rủi ro trên thị trường.. o H

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRUỜNG ĐẠI HỌC KINH TẾ TP.HCM

-

CÔNG TRÌNH DỰ THI GIẢI THƯỞNG NGHIÊN CỨU KHOA HỌC SINH VIÊN

“NHÀ KINH TẾ TRẺ – NĂM 2011”

TÊN CÔNG TRÌNH:

CÁC NHÂN TỐ TÁC ĐỘNG LÊN TỶ SUẤT SINH LỢI CHỨNG KHOÁN - XÂY DỰNG MÔ HÌNH TRÊN THỊ

TRƯỜNG CHỨNG KHOÁN VIỆT NAM

THUỘC NHÓM NGÀNH: KHOA HỌC KINH TẾ

TÓM TẮT ĐỀ TÀI

o Lý do chọn đề tài

Thị trường chứng khoán Việt Nam chính thức đi vào hoạt động từ tháng 7/2000 và đã có những bước phát triển đáng kể qua hơn mười năm Tuy nhiên, vẫn chưa có một nghiên cứu quy mô nào về tác động của các nhân tố lên tỷ suất sinh lợi

của chứng khoán, từ đó cho nhà đầu tư một nhận định đúng về rủi ro trên thị trường

Trong giới học thuật tài chính đã và đang có những tranh luận về các mô hình: Mô hình Định giá tài sản vốn-Sharpe và Lintner(1963), Mô hình ba nhân tố-Fama và French(1993), Mô hình bốn nhân tố-Carhart(1997) và Mô hình ba nhân tố-Lu Zhang

và Long Chen(2010); và đã được kiểm định trên các thị trường thế giới Chính vì điều đó, bài nghiên cứu tiến hành kiểm định những mô hình này và đưa ra những

giải pháp để lượng hóa đúng rủi ro trên TTCK Việt Nam

o Mục tiêu nghiên cứu

Bài nghiên cứu trả lời các câu hỏi sau: Tỷ suất sinh lợi của các chứng khoán

có quan hệ như thế nào với nhân tố thị trường? nhân tố quy mô công ty? nhân tố giá trị sổ sách trên giá trị thị trường? nhân tố xu hướng (đà tăng trưởng)? nhân tố đầu tư? Và tỷ suất sinh lợi chứng khoán có quan hệ như thế nào với nhân tố ROA?

o Phương pháp nghiên cứu

Đề tài được thực hiện trên phạm vi nghiên cứu gồm 95 công ty niêm yết tại HoSE từ tháng 1-2008 đến tháng 12-2010; dữ liệu lấy từ báo cáo tài chính 6 tháng

và báo cáo năm, hầu hết đã qua soát xét và kiểm toán Bài nghiên cứu sử dụng các phương pháp phân tích dữ liệu: phân tích tương quan, phân tích hồi quy tuyến tính

theo OLS…kết hợp với các kiến thức về thống kê, kinh tế lượng, để đưa ra kết quả

o Nội dung nghiên cứu

Kết quả kiểm định cho thấy các nhân tố thị trường, quy mô, giá trị sổ sách trên giá trị thị trường, xu hướng, đầu tư và nhân tố ROA có ảnh hưởng thực sự lên tỷ suất sinh lợi chứng khoán Trong các mô hình thì mô hình Carhart cho hệ số xác định hiệu chỉnh trung bình lớn nhất và bằng 0.78 Mô hình Carhart cũng khắc phục

được những vi phạm giả thiết OLS của mô hình Fama-French, do đó đây là mô hình phù hợp nhất giúp lượng hóa rủi ro trên thị trường chứng khoán Việt Nam và có thể ứng dụng để ra quyết định đầu tư Đồng thời kết quả nghiên cứu cũng cho thấy trên thị trường Việt Nam, chuỗi giá trị SMB có trung bình âm nhưng không nhất quán, chuỗi giá trị HML, RINV và RROA có trung bình dương và thị trường Việt Nam tồn tại xu hướng ngược-chuỗi WML có trung bình âm

o Đóng góp của đề tài

Đề tài tiến hành kiểm định đồng thời nhiều mô hình trên cùng mẫu quan sát trong cùng khoảng thời gian, do đó tạo được cơ sở để so sánh và đưa ra mô hình phù hợp nhất lượng hóa rủi ro trên TTCK Việt Nam Kết quả đề tài cho biết khả năng giải thích của các nhân tố trong mô hình ba nhân tố, bốn nhân tố lên tỷ suất sinh lợi chứng khoán Đề tài có ý nghĩa quan trọng trong việc giúp nhà đầu tư lượng hóa rủi ro và đưa ra quyết định đầu tư trên thị trường chứng khoán

o Hướng phát triển của đề tài

Thị trường chứng khoán Việt Nam có những đặc thù riêng khác với TTCK các nước, do đó đề tài có thể được phát triển theo hướng đưa thêm vào mô hình những nhân tố đặc thù của TTCK Việt Nam theo nhận định của nhà đầu tư, và khi

đó mỗi nhà đầu tư có thể xây dựng cho mình một mô hình để lượng hóa rủi ro, mô hình trở thành mô hình của mỗi người

Thị trường Việt Nam còn chịu tác động nhiều của Chính phủ Một đặc thù nữa

là yếu tố sở hữu nhà nước trong các công ty cổ phần và chất lượng thành viên Hội đồng quản trị các công ty niêm yết Do đó mô hình trên TTCK Việt Nam có thể được điều chỉnh thêm các nhân tố: sự ổn định pháp lý, tỷ lệ sở hữu nhà nước, tỷ lệ sở hữu nước ngoài do thành viên HĐQT làm đại diện, tỷ lệ thành viên HĐQT có trình độ chuyên môn từ Đại học trở lên, tỷ lệ thành viên độc lập trong HĐQT…

Trên đây là một số hướng phát triển cho đề tài nghiên cứu, sẽ được thực hiện trong những nghiên cứu xa hơn Đề tài này chỉ dừng lại ở việc thực hiện kiểm định các mô hình CAPM, mô hình Fama-French, mô hình Carhart và mô hình Lu Zhang trên thị trường chứng khoán Việt Nam và đưa ra kiến nghị đầu tư

MỤC LỤC CHI TIẾT



CÁC TỪ VIẾT TẮT SỬ DỤNG……… vii

DANH SÁCH CÁC BẢNG SỬ DỤNG……… viii

DANH SÁCH CÁC ĐỒ THỊ, SƠ ĐỒ………x

LỜI MỞ ĐẦU……… xi

CHƯƠNG 1: LÝ THUYẾT MỘT SỐ MÔ HÌNH XÁC ĐỊNH TỶ SUẤT SINH LỢI CHỨNG KHOÁN 1.1 Lý thuyết danh mục Markowitz………1

1.1.1 Tổng quan lý thuyết danh mục……….1

1.1.2 Rủi ro………2

1.1.2.1 Tổng quan về rủi ro……… 2

1.1.2.2 Đo lường rủi ro chứng khoán……….3

1.1.3 Tỷ suất sinh lợi……… 3

1.1.4 Xây dựng danh mục……… 4

1.1.5 Đường biên hiệu quả Markowitz……… 5

1.1.6 Kết hợp danh mục hiệu quả Markowitz và đường hữu dụng……… 6

1.2 Mô hình định giá tài sản vốn CAPM………7

1.2.1 Đường thị trường vốn CML……… 7

1.2.2 Mô hình CAPM và các giả định……… 8

1.2.3 Đường thị trường chứng khoán SML……… 8

1.2.4 Mở rộng mô hình CAPM……… 9

1.2.4.1 CAPM trong trường hợp LS đi vay và cho vay khác nhau………… 9

1.2.4.2 CAPM trong trường hợp có chi phí giao dịch……….10

1.2.4.3 CAPM trong trường hợp có thuế……….10

1.3 Mô hình 3 nhân tố của Fama – French (FF3FM -1993) ………11

1.3.1 Xây dựng mô hình, ý nghĩa các nhân tố và hệ số……… 11

1.3.2 Kết quả mô hình trên mẫu của Fama – French……… 13

1.4 Mô hình 4 nhân tố của Carhart (1997) ……… 14

1.4.1 Xây dựng mô hình, ý nghĩa các nhân tố và hệ số……… 14

1.4.2 Kết quả mô hình trên mẫu của Carhart……… 15

1.5 Mô hình 3 nhân tố của Lu Zhang (2009) ……… 16

1.5.1 Xây dựng mô hình, ý nghĩa các nhân tố và hệ số……… 16

1.5.2 Kết quả mô hình trên mẫu của Lu Zhang……… 18

KẾT LUẬN CHƯƠNG 1……… 19

CHƯƠNG 2: ỨNG DỤNG MỘT SỐ MÔ HÌNH VÀO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM 2.1 Thị trường chứng khoán Việt Nam……….20

2.1.1 Tổng quan về thị trường……… 20

2.1.2 Thực tế sử dụng các mô hình tại Việt Nam………20

2.2 Phương pháp thu thập và xử lý dữ liệu……… 21

2.2.1 Phương pháp thu thập dữ liệu………21

2.2.2 Phương pháp xử lý dữ liệu……… 21

2.3 Kiểm định giả thiết thống kê về quy luật phân phối xác suất của TSSL chứng khoán……… 24

2.4 Kiểm định mô hình CAPM……….28

2.4.1 Mô hình hồi quy……… 28

2.4.1.1 Kiểm tra tính dừng của chuỗi dữ liệu………28

2.4.1.2 Ước lượng mô hình hồi quy……… 29

2.4.2 Kiểm định các giả thiết thống kê………30

2.4.2.1 Kiểm định giả thiết đối với các hệ số hồi quy……… 30

2.4.2.2 Kiểm định phần dư………31

2.4.3 Kiểm định sự phù hợp của hàm hồi quy……… 33

2.5 Ước lượng TSSL kỳ vọng bằng mô hình 3 nhân tố Fama-French (FF3FM) ………34

2.5.1 Mô hình hồi quy……….34

2.5.1.1 Kiểm tra tính dừng của chuỗi dữ liệu……… 35

2.5.1.2 Ước lượng mô hình hồi quy………36

2.5.2 Kiểm định các giả thiết thống kê………38

2.5.2.1 Kiểm định giả thiết đối với các hệ số hồi quy………38

2.5.2.2 Kiểm định phần dư……… 39

2.5.2.3 Kiểm định đa cộng tuyến……….42

2.5.3 Kiểm định sự phù hợp của hàm hồi quy……….43

2.5.4 So sánh kết quả của mô hình FF3FM và CAPM………44

2.5.5 Phân tích ý nghĩa của việc thêm 2 nhân tố vào mô hình……… 45

2.6 Ước lượng TSSL kỳ vọng bằng mô hình 4 nhân tố Carhart (1997) ……… 47

2.6.1 Mô hình hồi quy……… 48

2.6.1.1 Kiểm tra tính dừng của chuỗi dữ liệu……… 49

2.6.1.2 Ước lượng mô hình hồi quy……….50

2.6.2 Kiểm định các giả thiết thống kê……… 52

2.6.2.1 Kiểm định giả thiết đối với các hệ số hồi quy……… 52

2.6.2.2 Kiểm định phần dư……… 55

2.6.3 Kiểm định sự phù hợp của hàm hồi quy……….57

2.6.4 So sánh kết quả của mô hình Carhart và FF3FM……… 58

2.7 Ước lượng TSSL kỳ vọng bằng mô hình 3 nhân tố Lu Zhang (2010) …….59

2.7.1 Mô hình hồi quy……….59

2.7.1.1 Kiểm tra tính dừng của chuỗi dữ liệu……… 60

2.7.1.2 Ước lượng mô hình hồi quy……….61

2.7.2 Kiểm định các giả thiết đối với hệ số hồi quy………61

2.7.3 Kiểm định sự phù hợp của hàm hồi quy……….65

2.7.4 So sánh kết quả của mô hình Lu Zhang và mô hình Carhart……….66

KẾT LUẬN CHƯƠNG 2……… 67

CHƯƠNG 3: KẾT LUẬN VÀ KIẾN NGHỊ CHO MÔ HÌNH XÁC ĐỊNH TỶ SUẤT SINH LỢI CHỨNG KHOÁN TRÊN THỊ TRƯỜNG VIỆT NAM 3.1 Nhận xét về kết quả của các mô hình đã đưa ra trên TTCK Việt Nam…… 68

3.1.1 Kết quả mô hình ba nhân tố Fama-French……… 68

3.1.2 Kết quả mô hình bốn nhân tố Carhart……….70

3.1.3 Kết quả mô hình ba nhân tố Lu Zhang……… 71

3.2 Hạn chế và kiến nghị cho quá trình xây dựng mô hình……… 71

3.2.1 Hạn chế……… 71

3.2.1.1 Hạn chế khách quan……… 71

3.2.1.2 Hạn chế chủ quan……… 72

3.2.2 Kiến nghị cho quá trình xây dựng mô hình………72

3.3 Các yếu tố đặc thù của TTCK Việt Nam………73

3.4 Kiến nghị đầu tư trên thị trường chứng khoán Việt Nam……… 74

KẾT LUẬN CHƯƠNG 3……… 76

PHẦN KẾT LUẬN………77

PHỤ LỤC 1: Các kết quả kiểm định mô hình CAPM……… xiv

PHỤ LỤC 2: Các kết quả kiểm định mô hình Fama-French……… xxi

PHỤ LỤC 3: Các kết quả kiểm định mô hình bốn nhân tố Carhart……… xxxv PHỤ LỤC 4: Các kết quả kiểm định mô hình ba nhân tố Lu Zhang……… xlvi PHỤ LỤC 5: Bảng câu hỏi khảo sát……… li DANH MỤC TÀI LIỆU THAM KHẢO……… liv

CÁC TỪ VIẾT TẮT SỬ DỤNG

BCTC : Báo cáo tài chính

BE : Giá trị sổ sách vốn cổ phần thường CAPM : Mô hình định giá tài sản vốn CML : Đường thị trường vốn

FF3FM : Mô hình ba nhân tố Fama-French

ME : Giá trị thị trường

NĐT : Nhà đầu tư

NHNN : Ngân hàng Nhà nước

SML : Đường thị trường chứng khoán SGDCK : Sở giao dịch chứng khoán

DANH SÁCH CÁC BẢNG SỬ DỤNG

Bảng 2.1: Bảng tóm tắt các giá trị thống kê ……… 25

Bảng 2.2: Bảng kiểm định Unit Root Test trên nhân tố thị trường……… 29

Bảng 2.3: Bảng kết quả kiểm định giả thiết đối với hệ số α mô hình CAPM…… 31

Bảng 2.4: Bảng kết quả kiểm định giả thiết đối với hệ số β mô hình CAPM…… 31

Bảng 2.5: Bảng giá trị thống kê Durbin-Watson trên phần dư mô hình CAPM… 31

Bảng 2.6: Bảng kết quả kiểm định Breusch-Godfrey trên phần dư mô hình CAPM32 Bảng 2.7: Bảng kết quả kiểm định phương sai đồng nhất mô hình CAPM……….32

Bảng 2.8: Bảng giá trị hệ số xác định mô hình CAPM……… 33

Bảng 2.9: Bảng tóm tắt các giá trị thống kê mô hình FF3FM……… 34

Bảng 2.10: Ma trận hệ số tương quan giữa các nhân tố………34

Bảng 2.11: Bảng kiểm định Unit Root Test trên chuỗi SMB……… 35

Bảng 2.12: Bảng kiểm định Unit Root Test trên chuỗi HML……… 35

Bảng 2.13: Bảng tóm tắt các hệ số mô hình FF3FM……… 36

Bảng 2.14: Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình FF3FM 38

Bảng 2.15: Kiểm định Wald đối với nhân tố HML trong danh mục S/L………….39

Bảng 2.16: Bảng giá trị thống kê Durbin-Watson trên phần dư mô hình FF3FM 40

Bảng 2.17: Bảng kết quả kiểm định Breusch-Godfrey trên phần dư mô hình FF3FM ………40

Bảng 2.18: Bảng kết quả kiểm định phương sai đồng nhất mô hình FF3FM…… 41

Bảng 2.19: Kết quả hồi quy nhân tố quy mô theo nhân tố thị trường……….42

Bảng 2.20: Kết quả hồi quy nhân tố giá trị theo nhân tố thị trường………42

Bảng 2.21: Kết quả hồi quy nhân tố giá trị theo nhân tố quy mô………43

Bảng 2.22: Bảng giá trị hệ số xác định mô hình FF3FM……… 43

Bảng 2.23: So sánh hệ số β của mô hình CAPM và FF3FM……….44

Bảng 2.24: So sánh hệ số xác định mô hình CAPM và FF3FM……… 44

Bảng 2.25: Kết quả hồi quy theo nhân tố thị trường và quy mô……… 45

Bảng 2.26: Kết quả hồi quy theo nhân tố thị trường và giá trị……….46

Bảng 2.27: Kết quả hồi quy theo nhân tố quy mô và giá trị……… …… 46

Bảng 2.28: Bảng tóm tắt các giá trị thống kê mô hình Carhart………48

Bảng 2.29: Ma trận hệ số tương quan giữa các nhân tố………49

Bảng 2.30: Bảng kiểm định Unit Root Test trên chuỗi WML……… 50

Bảng 2.31: Bảng tóm tắt các hệ số mô hình Carhart……….51

Bảng 2.32: Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình Carhart 53

Bảng 2.33: Bảng giá trị thống kê Durbin-Watson trên phần dư mô hình Carhart 55

Bảng 2.34: Bảng kết quả kiểm định Breusch-Godfrey trên phần dư mô hình Carhart ……… 56

Bảng 2.35: Bảng kết quả kiểm định phương sai đồng nhất mô hình Carhart…….57

Bảng 2.36: Bảng giá trị hệ số xác định mô hình Carhart……… 57

Bảng 2.37: So sánh hệ số xác định các mô hình CAPM, FF3FM và Carhart…… 58

Bảng 2.38: Bảng tóm tắt các giá trị thống kê mô hình Lu Zhang……….59

Bảng 2.39: Ma trận hệ số tương quan giữa các nhân tố………60

Bảng 2.40: Bảng kiểm định Unit Root Test trên chuỗi RINV……… 60

Bảng 2.41: Bảng kiểm định Unit Root Test trên chuỗi RROA……… 61

Bảng 2.42:Bảng kết quả kiểm định giả thiết đối với các hệ số mô hình Lu Zhang……… 61

Bảng 2.43: Bảng giá trị hệ số xác định mô hình Lu Zhang……… 65

Bảng 2.44: So sánh hệ số xác định hiệu chỉnh mô hình Carhart và Lu Zhang… 66

Bảng 3.1: Bảng giá trị hệ số xác định hiệu chỉnh trong kiểm định mô hình FF3FM trên thị trường Việt Nam……… 69

Bảng 3.2: Bảng tổng hợp kết quả kiểm định mô hình CAPM và FF3FM trên các thị trường thế giới………69

Bảng 3.3: Bảng giá trị hệ số xác định hiệu chỉnh trong kiểm định mô hình Carhart trên thị trường Việt Nam……… 70

DANH SÁCH CÁC ĐỒ THỊ, SƠ ĐỒ

Hình 1.1: Đường biên hiệu quả……… 1

Hình 1.2 : Đa dạng hoá loại trừ rủi ro không hệ thống……… 2

Hình 1.3: Vùng quả trứng vỡ Markowitz……… 5

Hình 1.4: Kết hợp đường biên hiệu quả và đường hữu dụng……… 6

Hình 1.5: Đường thị trường vốn……… 8

Hình 1.6: Đường thị trường chứng khoán với thước đo rủi ro là beta.………… 9

Hình 1.7: Đường CML trong trường hợp LS đi vay và cho vay khác nhau…… 10

Hình 1.8: Đường SML trong trường hợp có chi phí giao dịch……… 10

Cho đến thời điểm hiện tại, trong giới học thuật tài chính đã và đang có những tranh luận về các mô hình: Mô hình Định giá tài sản vốn CAPM của Sharpe

và Lintner(1963), Mô hình ba nhân tố của Fama và French(1993), Mô hình bốn nhân

tố của Carhart(1997) và Mô hình ba nhân tố của Lu Zhang và Long Chen(2010) Các mô hình này đã được kiểm định ở các thị trường chứng khoán trên thế giới Chúng ta có thể nhắc đến các kiểm định mô hình ba nhân tố trên thị trường Mỹ, Nhật Bản, Úc, NewZealand của Nima Billou(2004), Andreas Charitou và Eleni Constantinidis(2004), Gaunt(2004), hay Nartea và Djajadikerta(2005), hoặc kiểm định trên những thị trường đang phát triển như Ấn Độ, Nam Mỹ, Ucraina, Đài Loan

Chính vì điều đó, bài nghiên cứu tiến hành kiểm định những mô hình này trên thị trường Việt Nam và đưa ra những giải pháp, điều chỉnh để lượng hóa đúng rủi ro trên thị trường chứng khoán Việt Nam

Tầm quan trọng, ý nghĩa của đề tài

Đề tài nghiên cứu các mô hình Định giá tài sản vốn CAPM của Sharpe và Lintner (1963), mô hình ba nhân tố của Fama và French (1993), mô hình bốn nhân

tố của Carhart (1997) và mô hình ba nhân tố của Lu Zhang(2010) Kết quả đề tài cho

biết khả năng giải thích của các nhân tố trong mô hình ba nhân tố, bốn nhân tố lên tỷ suất sinh lợi chứng khoán Đề tài có ý nghĩa quan trọng trong việc giúp nhà đầu tư lượng hóa rủi ro và đưa ra quyết định đầu tư trên thị trường chứng khoán

Mục đích nghiên cứu

Bài nghiên cứu trả lời các câu hỏi sau:

 Tỷ suất sinh lợi của các chứng khoán có quan hệ như thế nào với nhân tố thị trường?

 TSSL của các chứng khoán quan hệ như thế nào với nhân tố quy mô công ty?

 TSSL của các chứng khoán quan hệ như thế nào với nhân tố giá trị sổ sách trên giá trị thị trường?

 TSSL của các chứng khoán có quan hệ như thế nào với nhân tố xu hướng?

 TSSL của các chứng khoán có quan hệ như thế nào với nhân tố đầu tư?

 TSSL của các chứng khoán có quan hệ như thế nào với nhân tố ROA?

Phạm vi nghiên cứu

Đề tài được thực hiện trên mẫu gồm 95 công ty niêm yết tại Sở giao dịch chứng khoán TP.HCM (HoSE) trong giai đoan từ tháng 1-2008 đến tháng 12-2010 Các dữ liệu được lấy từ báo cáo tài chính 6 tháng và báo cáo tài chính năm của các công ty, hầu hết đã qua soát xét và kiểm toán

Phương pháp nghiên cứu

Bài nghiên cứu sử dụng các phương pháp phân tích dữ liệu: phân tích tương quan, phân tích hồi quy tuyến tính theo phương pháp bình phương bé nhất… kết hợp với các kiến thức về thống kê, kinh tế lượng,…để đưa ra kết quả

Giới hạn của đề tài nghiên cứu

Hạn chế khách quan: Do hạn chế khách quan là thị trường chứng khoán Việt Nam mới đi vào hoạt động chỉ 10 năm (quá non trẻ so với các thị trường khác trên thế giới như Mỹ, Nhật…), đồng thời tính công bố thông tin trên thị trường Việt Nam còn thấp nên bài nghiên cứu chỉ được thực hiện trong chuỗi thời gian 3 năm Thời gian thống kê ngắn nên kết quả đạt được có thể chưa thực sự đáng tin cậy

Hạn chế chủ quan: Do thiếu công cụ tính toán và thiếu phần mềm tích hợp dữ liệu và thị trường Việt Nam thiếu một bộ cơ sở dữ liệu chung cho toàn thị trường (so sánh với thị trường Mỹ: thị trường Mỹ có hệ thống dữ liệu CRSP) nên đa số dữ liệu trong bài nghiên cứu đều được xử lý thủ công, do đó không tránh khỏi những sai sót

Tóm tắt nội dung đề tài

Đề tài nghiên cứu một số mô hình xác định tỷ suất sinh lợi chứng khoán Qua kiểm định các mô hình, kết quả cho thấy các nhân tố thị trường, nhân tố quy mô, nhân tố giá trị sổ sách trên giá trị thị trường, nhân tố xu hướng, nhân tố đầu tư và nhân tố ROA có ảnh hưởng thực sự lên tỷ suất sinh lợi chứng khoán Các mô hình là hiệu quả và có thể ứng dụng trên thị trường chứng khoán Việt Nam

Kết cấu của đề tài

Đề tài gồm có 3 chương:

 Chương 1: Lý thuyết một số mô hình xác định tỷ suất sinh lợi chứng khoán

 Chương 2: Ứng dụng một số mô hình vào thị trường chứng khoán Việt Nam

 Chương 3: Kết luận và kiến nghị cho mô hình xác định tỷ suất sinh lợi chứng

khoán trên thị trường Việt Nam

CHƯƠNG 1: LÝ THUYẾT MỘT SỐ MÔ HÌNH XÁC ĐỊNH

TỶ SUẤT SINH LỢI CHỨNG KHOÁN

     1.1 Lý thuyết danh mục Markowitz:

1.1.1 Tổng quan lý thuyết danh mục:

Markowitz đã phát triển các nguyên lý cơ bản về xây dựng danh mục, làm nền tảng cho thảo luận của các nhà kinh tế về mối quan hệ giữa rủi ro và tỷ suất sinh lợi (TSSL), Markowitz đã chỉ ra rằng phương sai của tỷ suất sinh lợi là một thước đo của rủi ro danh mục với một số giả định

Markowitz xem xét hai quan điểm: quan điểm thứ nhất là nhà đầu tư luôn tìm cách tối đa hoá TSSL kỳ vọng chiết khấu và quan điểm thứ hai là nhà đầu tư thích TSSL và không thích rủi ro (độ lệch chuẩn) Markowitz đã chứng minh được hai điều này sai, vì trên thực tế TSSL luôn đi kèm với rủi ro và đa dạng hoá có thể làm giảm rủi

ro danh mục bằng cách giảm phương sai danh mục do các chứng khoán trong danh mục

có tương quan với nhau (Harry Markowitz (Mar, 1952), “Portfolio Selection”, The

Journal of Finance (Vol.7-No.1), trang 77-91)

Với một tập hợp chứng khoán cho trước (tỷ suất sinh lợi và độ lệch chuẩn mỗi chứng khoán không đổi), nhà đầu tư có thể lựa chọn các kết hợp chứng khoán để cho ra các tỷ suất sinh lợi và độ lệch chuẩn danh mục tương ứng

Hình 1.1: Đường biên hiệu quả

Các kết hợp giữa các chứng khoán là bất tận và tạo nên vùng quả trứng vỡ là các kết hợp độ lệch chuẩn và suất lợi nhuận kỳ vọng có thể đạt được Nhà đầu tư lúc nào cũng chỉ mong muốn tăng TSSL và giảm độ lệch chuẩn nên họ chỉ đầu tư vào những danh mục nằm trên đường đậm, là các danh mục hiệu quả, có độ lệch chuẩn thấp nhất đối với TSSL cho trước và có TSSL cao nhất đối với độ lệch chuẩn cho trước

1.1.2 Rủi ro:

1.1.2.1 Tổng quan về rủi ro:

Để đạt được mục tiêu tối đa hoá giá trị cổ phần thì giám đốc tài chính phải quan tâm và đánh giá cổ phần trên hai khía cạnh, đó là rủi ro và tỷ suất sinh lợi

Về rủi ro, có nhiều quan điểm và cách tiếp cận khác nhau Cách tiếp cận phổ biến nhất là “xem rủi ro như là khả năng xuất hiện các khoản thiệt hại tài chính”(Trần

Ngọc Thơ (2007), Tài chính doanh nghiệp hiện đại, NXB Thống kê, tr 67) Theo cách

tiếp cận này thì chứng khoán nào có khả năng xuất hiện các khoản lỗ lớn hơn thì có rủi

ro lớn Khi ta nói “khả năng xuất hiện khoản lỗ”, tức là ta đã hàm ý khoản lỗ của 2 chứng khoán có độ lớn là như nhau và ta so sánh xác suất của khoản lỗ này Ta cũng có thể so sánh rủi ro hai chứng khoán bằng cách so sánh khoản lỗ trung bình kỳ vọng, trên

cơ sở xác suất và độ lớn của các khoản lỗ có khả năng xuất hiện

Khi danh mục của nhà đầu tư có nhiều loại chứng khoán, có thể đa dạng hoá để làm giảm rủi ro của danh mục Nhà đầu tư có thể loại trừ được hoàn toàn rủi ro không

hệ thống, nhưng có một số rủi ro không thể loại trừ được Hình vẽ 2 cho thấy khi số chứng khoán tăng lên, rủi ro còn lại của danh mục là rủi ro thị trường - rủi ro hệ thống

Hình 1.2 : Đa dạng hoá loại trừ rủi ro không hệ thống

Nguồn: www.executivefinancialplanning.com

Rủi ro không hệ thống (non-systematic risk) là những rủi ro đặc thù liên quan đến từng cổ phần, nảy sinh từ những nguyên nhân nội tại của doanh nghiệp hay của ngành, ví dụ như: năng lực quản trị yếu kém, nguồn cung nguyên vật liệu gặp khó khăn, quy định của chính phủ về kiểm soát môi trường chặt chẽ hơn, tác động của cạnh tranh nước ngoài (mức độ cạnh tranh nước ngoài càng cao thì rủi ro càng cao), mức độ sử dụng đòn bẩy (sử dụng nợ càng nhiều thì mức độ rủi ro tài chính càng cao)…

Rủi ro hệ thống (systematic risk, hay còn gọi là rủi ro thị trường) là rủi ro gắn liền với các biến động của thị trường, xuất phát từ các nguyên nhân bên ngoài doanh nghiệp hay ngành: thiên tai, chiến tranh, thay đổi trong lãi suất, thay đổi trong sức mua, thay đổi trong kỳ vọng của nhà đầu tư về nền kinh tế…

1.1.2.2 Đo lường rủi ro chứng khoán:

Rủi ro của một chứng khoán được đánh giá thông qua phân tích độ nhạy, cho thấy được các xác suất của các khả năng sinh lợi khác nhau Với hai chứng khoán có TSSL kỳ vọng trung bình bằng nhau, rủi ro chứng khoán được so sánh dựa trên khoảng cách, hay độ phân tán, tức là chênh lệch TSSL trong trường hợp tốt nhất và xấu nhất Chứng khoán nào có độ phân tán TSSL càng lớn thì chứng khoán đó có rủi ro càng lớn

Một trong những chỉ tiêu thống kê chuẩn đo lường sự biến thiên, cũng chính là rủi ro, là phương sai và độ lệch chuẩn của TSSL Phương sai của TSSL được tính bằng bình phương khoảng chênh lệch giữa TSSL thực tế và TSSL kỳ vọng của nhà đầu tư

Phương sai (ri) = giá trị mong đợi của (ri – ri )2

Độ lệch chuẩn là căn bậc hai của phương sai

1.1.3 Tỷ suất sinh lợi:

Tỷ suất sinh lợi của một chứng khoán bằng tổng các khoản thu nhập hoặc lỗ của chủ sở hữu trong một thời kỳ

𝑟 =P t − Po + Ct

P oTrong đó: r: TSSL mong đợi trong suốt kỳ t

Pt: giá chứng khoán trong kỳ t Po: giá chứng khoán trong kỳ 0 Ct: lưu lượng tiền mặt nhận được của chứng khoán từ t0 đến t1

1.1.4 Xây dựng danh mục:

Ta xây dựng danh mục gồm n chứng khoán Khi đó với các tỷ trọng đầu tư khác nhau sẽ cho ra các tỷ suất sinh lợi và độ lệch chuẩn của danh mục tương ứng

Tỷ suất sinh lợi mong đợi của danh mục được đo lường là bình quân gia quyền TSSL các chứng khoán, với quyền số là tỷ trọng tương ứng chứng khoán:

Rp = 𝑛𝑖=1xiri Trong đó: xi là tỷ trọng, ri là tỷ suất sinh lợi chứng khoán thứ i

Rủi ro danh mục được đo lường bằng phương sai danh mục Để tính phương sai danh mục, ta cần biết về hệ số tương quan và hiệp phương sai của hai chứng khoán

Hệ số tương quan của hai chứng khoán là khái niệm cho thấy mối quan hệ cùng hướng hay ngược hướng của TSSL hai chứng khoán theo thời gian Nếu hai chứng khoán có TSSL di chuyển cùng chiều, chúng có tương quan dương, ngược lại chúng có tương quan âm Hệ số tương quan nằm trong khoảng [-1,+1]

Hệ số tương quan: ρAB = COV (A,B)

ϬA.ϬBTrong đó ϬA, ϬB là độ lệch chuẩn của hai chứng khoán A, B

COV (A,B) là hiệp phương sai của hai chứng khoán, được tính:

COV (A,B) = n𝑖=1Pi (riA – rA) (riB – rB)

riA, riB là TSSL của chứng khoán A, B ở tình huống i,

rA, rB là các TSSL mong đợi của chứng khoán A, B

Từ đó, phương sai của danh mục hai chứng khoán A, B tính theo công thức:

Ϭp2 = xA2 ϬA2 + xB2 ϬB2 + 2.xA.xB ϬA ϬB ρAB

Độ lệch chuẩn bằng căn bậc hai của phương sai

Từ công thức trên ta có thể thấy rủi ro của danh mục phụ thuộc vào hệ số tương quan của hai chứng khoán (nếu không xét đến độ lệch chuẩn của mỗi chứng khoán) Nếu hệ số tương quan =1 thì khi đó độ lệch chuẩn danh mục 2 chứng khoán chính là bình quân gia quyền độ lệch chuẩn hai chứng khoán với quyền số là tỷ trọng mỗi chứng khoán Nếu hệ số tương quan <1 thì độ lệch chuẩn danh mục sẽ giảm, thậm chí thấp hơn cả độ lệch chuẩn khi đầu tư 100% vào chứng khoán có độ lệch chuẩn thấp trong hai chứng khoán, đây chính là hiệu quả do việc đa dạng hoá mang lại Khi hệ số tương quan giữa hai chứng khoán = -1 thì rủi ro danh mục là thấp nhất

Với danh mục n chứng khoán thì phương sai của danh mục cũng tương tự:

….+ xn.x1.cov (rn,r1) + xn.x2.cov (rn,r2)…

Phương sai tỷ lệ xấp xỉ với độ dài thời gian mà một chứng khoán hay một danh mục đầu tư được nắm giữ, nên độ lệch chuẩn tỷ lệ với căn bậc hai của khoảng thời gian Điều này có nghĩa là thời gian càng dài thì rủi ro càng cao

1.1.5 Đường biên hiệu quả Markowitz:

Markowitz đã chứng minh được rằng đa dạng hoá có thể làm giảm rủi ro danh mục Với danh mục gồm hai chứng khoán, các tỷ trọng kết hợp khác nhau cho ra những kết hợp của TSSL và độ lệch chuẩn mà Markowitz gọi là vùng quả trứng vỡ Bất kỳ kết hợp nào cũng cho ra kết quả nằm trong vùng này Đường biên trên của vùng quả trứng

vỡ chính là đường biên hiệu quả, bao gồm các kết hợp tạo thành những danh mục hiệu quả, tức là những danh mục có TSSL cao nhất ứng với một độ lệch chuẩn cho trước, hoặc danh mục có độ lệch chuẩn thấp nhất ứng với một TSSL cho trước (với giả định các nhà đầu tư đều muốn tăng TSSL và giảm độ lệch chuẩn)

Hình 1.3: Vùng quả trứng vỡ Markowitz

Mỗi dấu gạch chéo tượng trưng cho TSSL và độ lệch chuẩn của một danh mục Với giả định là nhà đầu tư lúc nào cũng muốn tăng TSSL và giảm độ lệch chuẩn thì họ chỉ đầu tư vào những danh mục nằm trên đường biên hiệu quả Do đó nhà đầu tư có thể thiết lập đường biên hiệu quả để lựa chọn danh mục đầu tư hơn là đầu tư vào các chứng khoán riêng rẻ Việc lựa chọn danh mục đầu tư sẽ tuỳ thuộc vào đường biên hiệu quả và mức độ ưa thích rủi ro của nhà đầu tư, tức đường hữu dụng

1.1.6 Kết hợp danh mục hiệu quả Markowitz và đường hữu dụng:

Đường hữu dụng cho thấy thái độ của nhà đầu tư đối với rủi ro Đường hữu dụng được thiết lập theo phương trình:

U = E (Ri) – 0.5*A*Ϭ 2

Trong đó: U: mức hữu dụng; A: hệ số ngại rủi ro

Ri: TSSL chứng khoán và Ϭ2 là phương sai TSSL chứng khoán Ứng với mỗi nhà đầu tư (một giá trị hệ số ngại rủi ro) ta có một tập hợp các đường hữu dụng song song với nhau Đường hữu dụng càng cao cho thấy mức hữu dụng càng lớn

Hình 1.4: Kết hợp đường biên hiệu quả và đường hữu dụng

Với trục tung là tỷ suất sinh lợi và trục hoành là độ lệch chuẩn thì, nếu nhà đầu

tư là NĐT ghét rủi ro thì đường hữu dụng sẽ dốc đứng (muốn TSSL nhiều hơn nhưng

độ lệch chuẩn ít hơn) Đó là trường hợp NĐT với tập hợp đường hữu dụng U1, U2, U3 như hình vẽ Còn nếu nhà đầu tư là ưa thích rủi ro thì đường hữu dụng sẽ có dạng xuôi hơn, ít dốc hơn (nhà đầu tư chấp nhận hy sinh độ lệch chuẩn lớn hơn để nhận được TSSL tương ứng ít hơn - tập hợp U’1, U’2, U’3)

Nhà đầu tư sẽ kết hợp danh mục hiệu quả Markowitz và đường hữu dụng để lựa chọn danh mục đầu tư Danh mục đầu tư tối ưu sẽ là danh mục nằm trên đường biên hiệu quả và tiếp xúc với đường hữu dụng cao nhất có thể

1.2 Mô hình định giá tài sản vốn CAPM:

Hình 1.5: Đường thị trường vốn

Nguồn: WebCab Portfolio

1.2.2 Mô hình CAPM và các giả định:

Beta đo lường độ nhạy cảm của chứng khoán đối với các biến động của thị

trường Cổ phần có beta lớn hơn 1 có khuynh hướng khuếch đại các biến động của thị

trường Cổ phần có beta nằm trong khoảng (0,1) có khuynh hướng di chuyển cùng với

rủi ro của thị trường nhưng lệch không nhiều, còn cổ phần có beta bé hơn 0 thì di

chuyển ngược với thị trường Danh mục thị trường có beta bằng 1

Mô hình định giá tài sản vốn CAPM cho thấy mối quan hệ giữa TSSL và beta

chứng khoán, được đưa ra bởi William Sharpe, John Litner và Jack Treynor (1960):

r – rf = β* (rm – rf) được diễn tả: phần bù rủi ro chứng khoán = β * phần bù rủi ro thị trường

Các giả định của mô hình CAPM:

 NĐT nắm giữ danh mục chứng khoán đa dạng hoá hoàn toàn

 Chứng khoán được trao đổi trong thị trường tự do cạnh tranh

 NĐT có thể đi vay và cho vay với cùng một lãi suất phi rủi ro và không đổi

theo thời gian

 Không có thuế và chi phí môi giới cho việc mua và bán chứng khoán

 NĐT đều là NĐT Markowitz, thích lựa chọn chứng khoán có TSSL cao nhất

ứng với rủi ro cho trước và rủi ro thấp nhất ứng với TSSL cho trước

 Tất cả NĐT đều có kỳ vọng thuần nhất về TSSL, phương sai, hiệp phương sai

1.2.3 Đường thị trường chứng khoán SML:

Đường thị trường chứng khoán SML (Security market line) là đường biểu diễn bằng đồ thị của mô hình CAPM Ta có thể thấy đây chính là một trường hợp của đường CML với danh mục S là danh mục thị trường.

Hình 1.6: Đường thị trường chứng khoán với thước đo rủi ro là beta

Trên hình vẽ trục tung là TSSL kỳ vọng và trục hoành là beta chứng khoán

Nhà đầu tư kỳ vọng giá cổ phiếu trong tương lai, cùng với những thu nhập kỳ vọng trên cổ phiếu, từ đó ước tính được TSSL của cổ phiếu So sánh TSSL ước tính với TSSL kỳ vọng theo SML nhà đầu tư có thể đưa ra quyết định Chênh lệch giữa TSSL ước tính và TSSL kỳ vọng theo CAPM được gọi là alpha (α) của cổ phiếu

Nếu α > 0: TSSL ước tính>TSSL kỳ vọng: cổ phiếu nằm phía trên đường SML,

cổ phiếu có TSSL cao hơn so với mức độ rủi ro mà nó đang chịu, được chiết khấu với lãi suất cao hơn, tức cổ phiếu đang được định giá thấp NĐT có nhu cầu mua vào, làm cho giá tăng, giảm TSSL xuống, và cổ phiếu tiến về gần đường SML

Nếu α = 0: TSSL ước tính=TSSL kỳ vọng theo SML, cổ phiếu được định giá đúng và nằm trên SML

Nếu α < 0: Cố phiếu được định giá cao so với giá trị, nằm phía dưới SML NĐT

có nhu cầu bán ra, làm cho giá giảm, tăng TSSL lên và cổ phiếu tiến lên gần SML

1.2.4 Mở rộng mô hình CAPM:

1.2.4.1 CAPM trong trường hợp LS đi vay và cho vay khác nhau:

Mô hình CAPM ban đầu được xây dựng trên giả định NĐT có thể đi vay và cho vay với cùng một lãi suất phi rủi ro Rf Trên thực tế điều nay không xảy ra NĐT mua trái phiếu nhận lãi suất phi rủi ro Rf và đi vay để đầu tư vào danh mục S với lãi suất Ra

Hình 1.7: Đường CML trong trường hợp LS đi vay và cho vay khác nhau

Đường nối RfS là các kết hợp khi NĐT vừa đầu tư vào trái phiếu kho bạc và danh mục S GH là đường biểu diễn các kết hợp khi NĐT đi vay với lãi suất Ra và đầu

tư vào S Đường CML trong trường hợp này là đường nối RfSGH

1.2.4.2 CAPM trong trường hợp có chi phí giao dịch:

Trong trường hợp có chi phí giao dịch, giả sử cổ phiếu có α >0, TSSL ước tính lớn hơn TSSL kỳ vọng theo SML, NĐT có nhu cầu mua vào làm tăng giá, giảm TSSL ước tính và cổ phiếu tiến về SML, thì với chi phí giao dịch, NĐT sẽ không mua vào đến khi cổ phiếu nằm trên SML vì chi phí giao dịch làm giảm lợi nhuận tiềm năng của NĐT Các trường hợp α còn lại cũng tương tự Đường thị trường chứng khoán lúc này

là một dải các đường SML, độ lớn của dải này chính là chi phí giao dịch

Hình 1.8: Đường SML trong trường hợp có chi phí giao dịch

1.2.4.3 CAPM trong trường hợp có thuế:

Mô hình CAPM cổ điển đã bỏ qua yếu tố thuế Benninga và Sarig đã bổ sung

H

Độ lệch chuachuẩn

và đưa ra mô hình SML năm 1997 với TSSL được điều chỉnh theo mức thuế suất cận biên thuế TNDN Gọi thuế suất thuế TNDN là Tc, mô hình SML được điều chỉnh:

r = rf (1- Tc) + β*[rm– rf * (1- Tc)]

1.3 Mô hình 3 nhân tố của Fama – French (FF3FM -1993):

1.3.1 Xây dựng mô hình, ý nghĩa các nhân tố và hệ số:

Những nghiên cứu trên thị trường chứng khoán Mỹ cho thấy rằng TSSL trung bình ít có mối quan hệ với β trong mô hình CAPM của Sharpe và Lintner (1965) Những nhân tố khác không có trong CAPM lại có sức giải thích đối với TSSL trung bình, bao gồm các nhân tố quy mô (ME), đòn bẩy, thu nhập/giá (E/P), và giá sổ sách trên giá thị trường (BE/ME) [theo Banz (1981), Bhandari (1988), Basu (1983) và Rosenberg, Reid và Lanstein (1985)]

Fama và French nghiên cứu sự liên hệ của các nhân tố này và thấy rằng khi kết hợp với nhau, nhân tố ME và BE/ME có sức giải thích hơn hẳn nhân tố đòn bẩy và E/P Kết quả là, hai nhân tố ME và BE/ME đã giải thích tốt TSSL trung bình theo nghiên cứu của Fama và French trên NYSE, Amex và NASDAQ giai đoạn 1963-1990 (Theo Eugene F Fama and Kenneth R French (1993), “Common risk factors in the returns of

stocks and bonds”, Journal of Financial Economics, số 33, trang 3-56)

Những danh mục mô phỏng các nhân tố quy mô và BE/ME khác nhau nhiều trong TSSL Điều này cho thấy nhân tố quy mô và BE/ME thật sự là đại diện cho độ nhạy cảm đối với các nhân tố rủi ro phổ biến trong TSSL chứng khoán Tuy nhiên chỉ hai nhân tố này thì không giải thích được sự chênh lệch lớn giữa TSSL trung bình và lãi suất phi rủi ro Phần còn lại được giải thích bởi nhân tố thị trường Với mẫu của Fama

và French, chênh lệch α của TSSL ước tính và TSSL kỳ vọng theo hồi quy ba nhân tố (TSSL vượt trội thị trường, TSSL danh mục mô phỏng quy mô và BE/ME) gần bằng 0,

có nghĩa là ba nhân tố này đã giải thích tốt cho TSSL chứng khoán

Xây dựng mô hình:

Vào tháng 6 mỗi năm t từ 1963 đến 1991, tất cả chứng khoán được xếp theo quy

mô và chia thành 2 nhóm: quy mô nhỏ (small-S) và quy mô lớn (big-B) với tỷ lệ 50% - 50% Quy mô ở đây chính là giá trị vốn hoá thị trường, được tính bằng số cổ phần phổ thông nhân với giá trị hiện tại, do đó cũng chính là ME Sở dĩ khi tính vốn hoá thị

trường ta chỉ tính cổ phần phổ thông vì vốn hoá thị trường là số tiền bỏ ra để mua lại công ty trong thời điểm hiện tại, và cổ phần ưu đãi không cho người nắm giữ quyền tham gia quản lý công ty Những chứng khoán này cũng được chia theo giá trị số sách trên giá trị thị trường (BE/ME) thành 3 nhóm: thấp (low-L), trung bình (medium-M) và cao (high-H) với các điểm gãy là 30% - 40% - 30% BE/ME được tính là giá trị sổ sách

cổ phần thường/giá trị thị trường vào cuối tháng 12 của năm (t-1)

Fama và French chia các chứng khoán theo quy mô thành 2 nhóm và theo BE/ME thành 3 nhóm vì theo bài nghiên cứu của hai ông năm 1992 thì nhân tố BE/ME

có vai trò quan trọng hơn quy mô trong việc tác động lên TSSL trung bình

Trên cơ sở phân chia đó, 6 danh mục được hình thành: S/L, S/M, S/H, B/L, B/M, B/H Ví dụ danh mục B/L bao gồm những chứng khoán của công ty có quy mô lớn và BE/ME thấp Fama French sử dụng kỳ quan sát là tháng trong 29 năm TSSL trung bình hàng tháng của mỗi danh mục được tính với trọng số là % giá trị vốn hoá của mỗi chứng khoán trong tổng giá trị danh mục

Fama và French sử dụng cách tiếp cận hồi quy chuỗi thời gian của Black, Jensen

và Scholes (1972), đưa ra mô hình:

 HML (High minus Low): phần bù giá trị Danh mục HML (high minus low) mô phỏng nhân tố BE/ME, là TSSL bình quân hàng tháng của hai danh mục có BE/ME cao (S/H và B/H) trừ cho TSSL bình quân của hai danh mục có BE/ME thấp (S/L và B/L)

HML >0 có nghĩa là chứng khoán có BE/ME cao (cổ phiếu giá trị) thì có TSSL cao hơn chứng khoán có BE/ME thấp (cổ phiếu tăng trưởng)

 b, s, h: các biến phản ánh độ nhạy của các nhân tố b - biến phản ánh độ nhạy của nhân tố thị trường được gọi là beta chứng khoán 3 nhân tố (để phân biệt với beta chứng khoán trong mô hình CAPM)

 α là hệ số chặn của mô hình, cũng chính là chênh lệch giữa TSSL thực tế và TSSL kỳ vọng theo mô hình ba nhân tố, e(t) là sai số ngẫu nhiên của mô hình

1.3.2 Kết quả mô hình trên mẫu của Fama – French:

Fama và French xây dựng 25 danh mục chứng khoán dựa trên việc phân loại theo quy mô (5 nhóm) và BE/ME (5 nhóm) Hai ông tách ra từng cặp nhân tố để hồi quy để tìm ra mô hình lý giải tốt nhất TSSL chứng khoán Quá trình xây dựng mô hình gồm ba bước: Hồi quy TSSL theo RM-RF, hồi quy theo HML và SMB, và kết hợp hồi quy RM-RF, SMB, HML Với mô hình gồm cả ba nhân tố thì có 21/25 danh mục có R2

> 0.9 và giá trị R2 nhỏ nhất là 0.83 Fama và French cũng nghiên cứu hai nhân tố của thị trường trái phiếu có liên quan đến TSSL chứng khoán, đó là kỳ hạn và rủi ro vỡ nợ (Danh mục mô phỏng TERM: Chênh lệch giữa TSSL trái phiếu - kỳ hạn dài và TSSL tín phiếu - kỳ hạn ngắn; và danh mục mô phỏng DEF: Chênh lệch TSSL trái phiếu doanh nghiệp và TSSL trái phiếu kho bạc) Kết quả là mô hình 5 nhân tố cũng cho ra cùng giá trị R2 và cùng một α (hệ số chặn-intercept) như mô hình 3 nhân tố; chứng tỏ

mô hình 3 nhân tố là phù hợp để giải thích TSSL chứng khoán

Mô hình trên mẫu của Fama-French ở thị trường Mỹ thời gian 1963-1991 đã cho thấy một mối quan hệ ngược chiều giữa quy mô và TSSL trung bình, và một mối tương quan cùng chiều mạnh hơn của BE/ME với TSSL trung bình, có nghĩa là BE/ME có tác dụng giải thích TSSL chứng khoán nhất quán hơn so với nhân tố quy mô Với cùng một nhóm danh mục con BE/ME (ngoại trừ nhóm danh mục con có BE/ME thấp nhất), TSSL giảm khi quy mô tăng, điều này cũng có nghĩa là hệ số của nhân tố SMB là dương Với cùng một nhóm danh mục con theo quy mô, TSSL trung bình có xu hướng tăng cùng với BE/ME, tức hệ số của nhân tố HML là dương

Fama-French giải thích hệ số của SMB dương là do những doanh nghiệp có quy

mô nhỏ thường chứa đựng rủi ro cao, hoạt động kém hiệu quả hơn, chi phí đại diện cao

hơn, do đó NĐT đòi hòi một phần bù rủi ro > 0

Cũng theo Fama-French, những công ty có BE/ME cao thường rơi vào kiệt quệ tài chính nhiều hơn, gây rủi ro cho NĐT, do đó NĐT được phần bù giá trị dương

1.4 Mô hình 4 nhân tố của Carhart (1997):

1.4.1 Xây dựng mô hình, ý nghĩa các nhân tố và hệ số:

Carhart nghiên cứu hai mô hình đo lường hiệu quả hoạt động của quỹ là mô hình CAPM của Sharpe (1964) và Litner (1965) và mô hình 4 nhân tố Carhart (1995) Carhart nhận thấy rằng mô hình 3 nhân tố Fama-French không giải thích được biến động trong TSSL khi phân loại danh mục theo TSSL kỳ trước (theo xu hướng/đà tăng trưởng) Chan Jegadessh và Lakonishok cho rằng sự bất thường của nhân tố xu hướng chính là một yếu tố của thị trường không hiệu quả do phản ứng chậm với thông tin

Mẫu mà Carhart sử dụng là mẫu không loại trừ những công ty ngưng hoạt động tính tới thời điểm kết thúc khảo sát, đồng thời là mẫu có kích thước lớn nhất tính cho đến thời điểm 1997, do đó có tính tổng quát cao hơn những mô hình trước đó Mẫu bao gồm dữ liệu tháng của tất cả những quỹ từ tháng 1-1962 đến tháng 12-1993, tổng cộng

1892 quỹ và 16109 tổng số năm hoạt động Grinbatt và Titman (1989) và Wermers (1996) thì sử dụng số liệu quý, còn Brown và Goetzmann (1995) đã nghiên cứu mẫu

gồm các quỹ rất giống của Carhart, từ 1976 đến 1988, nhưng lại bỏ qua năm đầu tiên của quỹ mới thành lập và năm cuối của quỹ ngưng hoạt động

Carhart xây dựng mô hình 4 nhân tố dựa trên mô hình 3 nhân tố của Fama và French (1993) và thêm một nhân tố nữa được đưa ra bởi Jegadeesh và Titman (1993) là yếu tố xu hướng bất thường trong một năm

Ri(t) – RF(t) = αi + bi.[RM(t) – RF(t)] + si.SMB(t) + hi.HML(t) + piPR1YR(t) + e(t)

t = 1,2,…, T Trong đó:

 RF: Lãi suất phi rủi ro ( theo kỳ quan sát tháng)

 PR1YR (High minus Low prior-year return, hay Winners minus Losers): Yếu tố

xu hướng một năm, được tính bằng TSSL bình quân của các chứng khoán cao giá năm trước trừ cho TSSL bình quân của các chứng khoán thấp giá năm trước, đo lường lợi nhuận tăng thêm của nhà đầu tư khi tiếp tục nắm giữ những chứng khoán cao giá của năm trước do thực hiện chiến lược đầu tư theo xu hướng Cụ thể, PR1YR là chênh lệch được tính bằng TSSL bình quân tháng năm sau của 30% chứng khoán có TSSL năm trước cao nhất trừ cho TSSL bình quân tháng năm sau của 30% chứng khoán có TSSL năm trước thấp nhất Tỷ suất sinh lợi mà Carhart sử dụng để phân loại chứng khoán là

tỷ suất sinh lợi 11 tháng năm trước với độ trễ 1 tháng, tức là bỏ qua tháng liền trước đó

Carhart xây dựng hệ số cho PR1YR trên cơ sở tạo 6 danh mục do phân loại các chứng khoán theo quy mô (Small,Big – S,B với các điểm gãy 50%-50%) và theo chứng khoán cao giá/mất giá năm trước (Winners, Neutral, Losers – W,N,L với các điểm gãy 30%-40%-30%) Điều này khác với cách làm của Brav, Gezcy và Gompers (2000) là chia các chứng khoán theo xu hướng thành 2 nhóm Winners-Losers với điểm gãy 50%-50% Hệ số PR1YR hàng tháng được tính:

PR1YR = [(S/W – S/L)+ (B/W - B/L)]/2

1.4.2 Kết quả mô hình trên mẫu của Carhart:

Kết quả mô hình của Carhart đã cho thấy sự khác nhau lớn trong TSSL của các danh mục SMB, HML và PR1YR, cho thấy các nhân tố này có thể giải thích được sự thay đổi trong chuỗi thời gian của TSSL Đồng thời hệ số tương quan giữa các danh mục này với nhau và với danh mục đại diện thị trường thấp, cho thấy hiện tượng đa cộng tuyến ít có ảnh hưởng đến mô hình Một kiểm định khác của Carhart trên 27 quỹ cũng lập trên bốn nhân tố, đã cho thấy sai số định giá (et) của 3 mô hình CAPM, ba nhân tố Fama-French, bốn nhân tố Carhart lần lượt là 0.35%, 0.31% và 0.14%/tháng Như vậy mô hình bốn nhân tố đã làm giảm sai số của mô hình và do đó hiệu quả hơn

Với mô hình bốn nhân tố, R2 hiệu chỉnh của các danh mục đều > 0.88, ngoại trừ danh mục có TSSL 11 tháng trước thấp nhất thì có R2 hiệu chỉnh > 0.72 Carhart cũng đưa ra kết quả là mua những chứng khoán cao giá năm trước (danh mục 1/10 cao nhất)

và bán những chứng khoán sụt giá năm trước (danh mục 1/10 thấp nhất) có thể mang lại TSSL trung bình 8%/năm, trong đó nhân tố giá trị thị trường và đà tăng trưởng giải

thích 4.6%, sự khác nhau trong tỷ số chi phí quản trị/Tổng tài sản ròng ( NAV – Net Asset Value) giải thích 0.7% và sự khác nhau trong chi phí giao dịch giải thích 1% 2/3 của phần chênh lệch còn lại không giải thích được là do chênh lệch giữa TSSL danh mục con thứ 9 và danh mục con thứ 10

Kết luận chung mà Carhart đưa ra là: không nên đầu tư vào những quỹ có TSSL

âm thường xuyên; những quỹ có TSSL cao năm trước thì năm sau sẽ có TSSL cao hơn TSSL mong đợi trung bình, nhưng những năm sau đó thì chưa chắc; tỷ số chi phí quản lý/Tổng tài sản ròng, chi phí giao dịch, chi phí đầu tư có tác động trực tiếp và ngược chiều đến TSSL của quỹ, những chi phí này sẽ lấy đi phần TSSL vượt trội của những người nắm giữ quỹ có TSSL cao năm trước trong dài hạn

1.5 Mô hình 3 nhân tố của Lu Zhang (2010):

1.5.1 Xây dựng mô hình, ý nghĩa các nhân tố và hệ số:

Long Chen và Lu Zhang cho rằng mô hình ba nhân tố Fama-French không giải thích được mối tương quan thuận giữa TSSL trung bình với TSSL kỳ trước trong ngắn hạn và mối tương quan nghịch giữa TSSL trung bình với tình trạng kiệt quệ tài chính, phát hành cổ phần mới và tăng trưởng tài sản

Hai ông đã xây dựng mô hình trên NYSE, Amex và NASDAQ từ tháng 1-1972 đến tháng 12-2006, gồm ba nhân tố là phần bù thị trường, phần bù đầu tư và phần bù TSSL trên tổng tài sản ROA Nền tảng cho việc xây dựng này là thuyết Q của James Tobin về quyết định đầu tư, theo đó q = giá trị thị trường/giá trị vốn góp của công ty, hay q = ME/BE Nói cách khác, q chính là hiện giá thuần của dòng tiền tương lai tạo ra

từ một đồng vốn tăng thêm Nếu q >1, công ty nên đầu tư thêm vì việc đầu tư sẽ mang lại lợi nhuận cao hơn chi phí bỏ ra, nếu q <1 thì công ty nên bán bớt tài sản vì chúng không tạo ra lợi nhuận và không đạt đến mức hữu dụng tối đa Trong cả hai trường hợp thì q sẽ tiến về 1, là trạng thái cân bằng đầu tư và công ty không cần phải thay đổi gì nữa

Nếu lãi suất dùng để chiết khấu cao thì làm giảm q, do đó giảm đầu tư Điều này

có nghĩa đầu tư thấp thì TSSL mong đợi cao Nếu lãi suất dùng để chiết khấu thấp thì q tăng, công ty tăng đầu tư, cũng có nghĩa là đầu tư cao thì TSSL mong đợi thấp

ROA cũng dự báo TSSL vì một ROA mong đợi cao phải tương ứng với một lãi

suất chiết khấu cao Nếu lãi suất chiết khấu (tức TSSL) không cao tương ứng thì nhà đầu tư sẽ nhận thấy rằng giá trị hiện tại của vốn mới cao và sẽ đầu tư nhiều hơn Trường hợp ROA thấp thì ngược lại

Mô hình có dạng:

E(ri) – rf = αi + βiMKT E(rMKT) + βi

INV E(rINV) + βi

ROA E(rROA) + ei Trong đó: Rf: TSSL phi rủi ro

βiMKT, βiINV, βiROA: là các hệ số nhân tố đo lường độ nhạy cảm nhân tố đối

với TSSL chứng khoán

E(rMKT): phần bù rủi ro thị trường

E(rINV): phần bù đầu tư

Đầu tư trên tài sản I/A (Investment on Asset) theo cách tính của Lu Zhang là tổng thay đổi hàng năm trong tài sản cố định và hàng tồn kho chia cho giá trị sổ sách tổng tài sản năm trước Cách tính này cho thấy được đầu tư trong dài hạn vào tài sản cố định và trong ngắn hạn vào hàng tồn kho

Nhân tố đầu tư được tính dựa trên các danh mục mô phỏng đầu tư Cách tính này cũng giống như Fama và French Vào tháng 6 mỗi năm, Long Chen và Lu Zhang chia các chứng khoán thành 3 nhóm theo I/A với các điểm gãy là 30%-40%-30% (low-middle-high) và chia theo quy mô (vốn hoá thị trường) thành 2 nhóm với điểm gãy 50%-50% (small-big) Điều này dựa trên kết quả của Fama-French năm 2008 rằng độ lớn của tăng trưởng tài sản thay đổi nhiều với các quy mô khác nhau: tăng trưởng mạnh đối với chứng khoán vốn hoá nhỏ và hầu như không tăng trưởng đối với chứng khoán vốn hoá lớn, do đó cần xét đến yếu tố quy mô trong nhân tố đầu tư Với 6 danh mục này, TSSL hàng tháng của mỗi danh mục được tính với trọng số là % vốn hoá mỗi chứng khoán trong danh mục RINV được tính là TSSL của hai danh mục có I/A thấp (S/L và B/L) trừ cho TSSL của hai danh mục có I/A cao (S/H và B/H)

E(rROA): Phần bù TSSL trên tổng tài sản

Long Chen và Lu Zhang chia chứng khoán thành 3 nhóm với các điểm gãy 40%-30% (low-middle-high) theo ROA quý của 4 tháng trước Chứng khoán cũng được chia thành 2 nhóm theo quy mô, điểm gãy 50%-50% 6 danh mục được hình thành và

30%-TSSL hàng tháng mỗi danh mục được tính RROA được tính là TSSL của hai danh mục

có ROA cao (S/H và B/H) trừ cho TSSL của hai danh mục có ROA thấp (S/L và B/L)

1.5.2 Kết quả mô hình trên mẫu của Lu Zhang:

Lu Zhang đã đưa ra được mối quan hệ ngược chiều giữa TSSL mong đợi với đầu

tư trên tài sản I/A, đầu tư trên tài sản Lu Zhang tính đến là phát hành cổ phần mới, tăng trưởng tài sản, tỷ số giá trị ME/BE, tăng trưởng doanh thu dài hạn trong quá khứ, TSSL dài hạn trong quá khứ Điều này cũng phù hợp với mô hình của Fama French về mối quan hệ BE/ME với TSSL: những công ty có BE/ME cao đòi hỏi một TSSL cao hơn những công ty BE/ME thấp Theo lý giải của Lu Zhang dựa trên thuyết Q thì công ty có BE/ME cao cho thấy q<1, công ty đầu tư ít và đạt TSSL trung bình cao hơn những công

ty có BE/ME thấp (lãi suất dùng chiết khấu cao hơn, làm cho q thấp) Đồng thời Lu Zhang cũng đã đưa ra mối quan hệ cùng chiều của ROA mong đợi với TSSL mong đợi

TSSL RINV trung bình trong mẫu của Lu Zhang 1972-2006 là 0.43%/tháng Hồi quy chuỗi rINV theo nhân tố thị trường thì được α = 0.51%/tháng và R2 = 16% Hồi quy theo 4 nhân tố của mô hình Carhart thì α = 0.22%/tháng và R2 = 36% Đồng thời hệ số tương quan giữa HML (nhân tố mô phỏng BE/ME) và rINV là 0.51

TSSL RROA trung bình trong mẫu của Lu Zhang 1972-2006 là 0.96%/tháng Hồi quy chuỗi rINV theo nhân tố thị trường thì được α = 1.05%/tháng và R2 = 4% Hồi quy theo 4 nhân tố của mô hình Carhart thì α = 0.74%/th áng v à R2 = 24% Đồng thời hệ số tương quan giữa WML (nhân tố mô phỏng xu hướng) và rROA là 0.26

Lu Zhang lần lượt hồi quy TSSL các danh mục phân loại theo quy mô và xu hướng (chia 5 nhóm theo quy mô và 5 nhóm theo xu hướng - 25 danh mục), khả năng rơi vào kiệt quệ tài chính ( 10 danh mục dựa trên đo lường xác suất phá sản của Campell (2008) và 10 danh mục dựa trên O-Score của Ohlson (1980)), tăng trưởng tài sản (chia thành 10 danh mục dựa trên tăng trưởng tài sản), BE/ME ( 5 danh mục) theo

ba nhân tố mới xây dựng trong mô hình của mình Các kết quả thu được cho thấy α giảm đi đáng kể so với kết quả hồi quy theo CAPM, mô hình Fama-French, đồng thời các hệ số nhân tố βMKT, βINV, βROA phần lớn là có ý nghĩa thống kê với giá trị |t| khá lớn,

có thể bác bỏ giả thiết Ho là các hệ số nhân tố = 0

KẾT LUẬN CHƯƠNG 1

Như vậy Chương 1 đã cho chúng ta những nền tảng về lý thuyết danh mục Markowwitz về mối quan hệ giữa rủi ro và tỷ suất sinh lợi Đồng thời Chương 1 cung cấp những lý thuyết về mô hình định giá tài sản vốn CAPM, mô hình ba nhân tố Fam-French, mô hình bốn nhân tố Carhart và mô hình ba nhân tố Lu Zhang cho thấy ảnh hưởng của các nhân tố thị trường, quy mô, giá trị, xu hướng, đầu tư/tài sản và ROA lên

tỷ suất sinh lợi của chứng khoán Đây là cơ sở cho việc thực hiện kiểm định tính hiệu quả của những mô hình này ở thị trường chứng khoán Việt Nam, mà cụ thể là các chứng khoán niêm yết trên Sở Giao dịch chứng khoán TP.HCM trong phần tiếp theo

CHƯƠNG 2: ỨNG DỤNG MỘT SỐ MÔ HÌNH VÀO

THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

     2.1 Thị trường chứng khoán Việt Nam:

2.1.1 Tổng quan về thị trường:

Thị trường chứng khoán Việt Nam ra đời được đánh dấu bằng sự bắt đầu hoạt động của Trung tâm giao dịch chứng khoán (TTGDCK) TPHCM ngày 20/07/2000 và thực hiện phiên giao dịch đầu tiên ngày 28/07/2000 với hai loại cổ phiếu là REE và SAM Ngày 8/8/2007, TTGDCK TPHCM được đổi thành Sở giao dịch chứng khoán (SGDCK) TP.HCM Tính cho đến đầu tháng 3 năm 2011, thị trường chứng khoán qua hơn 10 năm hoạt động đã có những bước phát triển đáng kể

Cho đến đầu tháng 3-2011, có 281 loại cổ phiếu, 5 loại chứng chỉ quỹ và 49 loại trái phiếu được niêm yết trên SGDCK TP.HCM (HoSE), với tổng khối lượng niêm yết

là 13.110.732.640 chứng khoán, tổng giá trị niêm yết là 140.476.425,5 triệu đồng (Nguồn: Trang web SGDCK TP.HCM) Tại SGDCK Hà Nội (HaSTC), có 430 loại cổ phiếu và 511 loại trái phiếu, tổng khối lượng niêm yết là 9.377.670.669 chứng khoán với giá trị niêm yết là 247.377.546,69 triệu đồng (Nguồn: Trang web SGDCK Hà Nội)

Có 150 công ty lên sàn UpCOM, tổng khối lượng niêm yết là 1.191.236.596 với tổng giá trị là 11.912.365,96 triệu đồng

2.1.2 Thực tế sử dụng các mô hình tại Việt Nam:

Kết quả khảo sát với đối tượng là những nhà đầu tư cá nhân và những nhà phân tích, chuyên gia đầu tư tại các quỹ đầu tư trên thị trường Việt Nam cho thấy trên thực

tế, các mô hình xác định TSSL kỳ vọng nêu trên để đưa ra chiến lược đầu tư được ứng dụng ít và hầu như không có

Hầu hết ý kiến khảo sát cho biết các nhà đầu tư tổ chức đã biết đến hai mô hình

là CAPM và mô hình ba nhân tố Fama-French trong số bốn mô hình (CAPM, FF3FM,

mô hình bốn nhân tố Carhart và mô hình ba nhân tố Lu Zhang), tuy nhiên thực tế không

sử dụng được tại Việt Nam Lý do đưa ra là thị trường chứng khoán Việt Nam chưa phát triển như các nước khác, thị trường chưa hiệu quả và nhà đầu tư còn theo số đông,

tâm lý bầy đàn khá mạnh Với nhà đầu tư cá nhân thì các khảo sát cho kết quả đánh giá

là NĐT cá nhân trên TTCK Việt Nam hầu như không biết đến các mô hình này

(Xem thêm ở Phụ lục 5: Bảng câu hỏi khảo sát)

2.2 Phương pháp thu thập và xử lý dữ liệu:

2.2.1 Phương pháp thu thập dữ liệu:

Với các mô hình CAPM, mô hình 3 nhân tố Fama-French, mô hình 4 nhân tố Carhart và mô hình ba nhân tố Lu Zhang, ta cần thu thập dữ liệu là giá chứng khoán, TSSL của tài sản phi rủi ro, TSSL thị trường, giá trị sổ sách, giá trị thị trường, đầu tư trên tài sản I/A và TSSL trên tài sản ROA của các chứng khoán trong mẫu quan sát

Phạm vi nghiên cứu gồm 95 chứng khoán niêm yết trên SGDCK TPHCM (HoSE) Giá chứng khoán được thu thập trong giai đoạn từ 04/01/2008 đến 31/12/2010,

từ cơ sở dữ liệu của Công ty chứng khoán Ngân hàng đầu tư và phát triển Việt Nam (BIDV) và là giá đóng cửa Giá này đã được so với các nguồn dữ liệu đáng tin cậy khác

và cho thấy không có sự sai lệch

TSSL phi rủi ro là lãi suất của tài sản phi rủi ro Bài nghiên cứu này sử dụng lãi suất của trái phiếu chính phủ kỳ hạn 5 năm do Kho Bạc Nhà Nước phát hành, số liệu lấy trên trang web của Ngân hàng Nhà nước Việt Nam Lãi suất này được là lãi suất trúng thầu của các đợt đấu thầu loại trái phiếu chính phủ 5 năm của Kho Bạc Nhà Nước; với những đợt không có lãi suất trúng thầu thì giữ nguyên lãi suất của đợt trước Qua thu thập số liệu tác giả nhận thấy lãi suất này không có biến động nhiều trong giai đoạn 2008-2010, do đó sử dụng chung một mức lãi suất là 9%/năm, được đưa vào mô hình theo kỳ quan sát tuần với lãi suất 0.1726%/tuần

Tỷ suất sinh lợi thị trường được lấy là sự thay đổi trong chỉ số VN-Index

Giá trị sổ sách, giá trị thị trường, đầu tư trên tài sản I/A và TSSL trên tổng tài sản ROA được lấy 6 tháng một lần, dựa trên các báo cáo tài chính 6 tháng và báo cáo tài chính năm của các công ty, hầu hết báo cáo đều đã được soát xét (BCTC 6 tháng) và kiểm toán (BCTC năm) Với 95 chứng khoán trong ba năm quan sát, bài nghiên cứu đã

sử dụng 480 báo cáo tài chính

2.2.2 Phương pháp xử lý dữ liệu:

Tỷ suất sinh lợi chứng khoán

Từ giá hàng ngày của chứng khoán, ta tiến hành tính TSSL tuần (chọn kỳ để tiến

hành chạy mô hình là tuần, quan sát trong 3 năm, có tất cả 153 tuần, do trừ một số tuần

lễ, tết không giao dịch) TSSL tuần được tính theo công thức:

TSSL = ln Gi á đóng cửa

Gi á tham chi ếu ; với giá tham chiếu được tính theo quyết định số 79/2000/ QĐ-UBCK ngày 29/12/2000 của Chủ tịch UBCK Nhà nước về Quy chế thành viên, niêm yết, công bố thông tin và giao dịch chứng khoán Theo đó thì với định kỳ là tuần, giá tham chiếu là giá đóng cửa của ngày cách ngày hiện tại ít nhất 7 ngày Để thuận tiện trong cách tính toán, bài nghiên cứu tiến hành tính TSSL ngày của chứng khoán và TSSL tuần được tính là tổng của các TSSL ngày, hai cách tính này đều cho kết quả như nhau, bởi: ln Pt

Các nhân tố mô phỏng cho mô hình

Với mô hình của Fama-French:

Quy mô công ty được tính theo giá chứng khoán của ngày hiện tại nhân với số lượng cổ phần thường đang lưu hành Đây cũng chính là giá trị thị trường-vốn hoá thị trường (ME) của công ty

Giá trị sổ sách cổ phần thường (BE-Book common equity): được tính theo cách tính của Fama-French, bằng giá trị sổ sách vốn chủ sở hữu+thuế được hoãn lại trên bảng cân đối kế toán– giá trị sổ sách cổ phần ưu đãi (Theo Eugene F.Fama and Kenneth

R.French (1993), “Common risk factors in the returns of stocks and bonds” Journal of

Financial Economics 33, trang 8) Giá thị trường và giá sổ sách chỉ được tính trên cổ

phần thường, vì cổ phần ưu đãi không cho người nắm giữ quyền quản lý công ty

Ta tiến hành chia 95 chứng khoán thành 2 nhóm theo quy mô với tỷ lệ 50%-50%

và chia thành 3 nhóm theo BE/ME với tỷ lệ 30%-40%-30%, tạo thành 6 danh mục Như vậy để có thể xếp hạng chứng khoán được, trong khi giá trị thị trường thay đổi hàng ngày thì việc xếp hạng 95 chứng khoán hàng ngày, thay đổi chứng khoán trong danh mục hàng ngày là điều khó có thể làm được Chính vì chi phí lớn như vậy, tôi tiến hành phân loại chứng khoán mỗi 6 tháng Các chứng khoán được xếp hạng theo quy mô và BE/ME 6 tháng một lần (dựa trên số liệu trên BCTC của 6 tháng trước) và cứ sau 6 tháng, các danh mục S/L, S/M, S/H, B/L, B/M, B/H được tái tạo Với mẫu quan sát 3 năm thì sẽ có 6 lần tái tạo danh mục TSSL tuần mỗi danh mục được tính với tỷ trọng là

% vốn hoá của chứng khoán trong danh mục

Các chỉ số SMB, HML được tính là:

SMB = (S/L + S/M + S/H)/3 – (B/L + B/M + B/H)/3

HML = (S/H + B/H)/2 – (S/L + B/L)/2

Ta được chuỗi tuần của SMB, HML Đầu vào cho mô hình Fama-French đã được tính

Với mô hình của Carhart:

Ba nhân tố đầu tiên của mô hình Carhart ta xây dựng tương tự như trong mô hình Fama-French Nhân tố thứ tư là nhân tố xu hướng một năm Carhart tính nhân tố thứ tư là chênh lệch TSSL hàng tháng của danh mục 30% chứng khoán cao giá trong những tháng trước và TSSL danh mục 30% chứng khoán thấp giá trong những tháng trước, TSSL Carhart sử dụng là TSSL 11 tháng trước trễ 1 tháng Bài nghiên cứu này sử dụng kỳ quan sát tính toán là tuần, do đó ta sẽ tiến hành xây dựng nhân tố PR1YR là Pr6MT, là chênh lệch TSSL của những chứng khoán cao giá 6 tháng trước trừ cho TSSL những chứng khoán thấp giá 6 tháng trước

Ta chia 95 chứng khoán thành 2 nhóm theo quy mô ( tỷ lệ 50%-50%) và 3 nhóm theo nhân tố xu hướng (tỷ lệ 30%-40%-30%), tức là theo TSSL Ta tái tạo các chứng khoán trong 6 danh mục mỗi 6 tháng một lần Tuy nhiên, để xây dựng được nhân tố xu hướng cho kỳ đầu tiên thì ta phải có số liệu giá của kỳ trước đó, do đó bài nghiên cứu này sẽ chạy mô hình Carhart trong khoảng thời gian từ tháng 6 năm 2008 đến tháng 12 năm 2010 Nhân tố xu hướng được chia thành 3 nhóm danh mục mô phỏng: Winners, Neutral, Losers dựa trên TSSL 6 tháng trước, nhóm Winners bao gồm những chứng khoán có TSSL cao nhất, và tương tự như thế cho các nhóm kia, điểm gãy để phân nhóm là 30%-40%-30% Từ đó ta có 6 danh mục Vào đầu 6 tháng tiếp theo, ta lại tiến hành phân loại lại theo quy mô (vốn hoá thị trường của chứng khoán) và theo TSSL Nhân tố PR6MT được tính hàng tuần:

PR6MT = (S/W + B/W)/2 – (S/L + B/L)/2 Như vậy các nhân tố cho mô hình bốn nhân tố Carhart đã được xây dựng

Với mô hình của Lu Zhang:

Mô hình gồm có ba nhân tố là phần bù thị trường, phần bù đầu tư và phần bù ROA Các nhân tố cũng được xây dựng theo phương pháp danh mục mô phỏng nhân tố

Đầu tư trên tài sản I/A được tính là đầu tư kỳ trước trên tổng tài sản đầu kỳ trước Ví dụ: Ta tiến hành xếp hạng chứng khoán vào tháng 1 năm 2008 thì: I/A = (Hàng tồn kho + Đầu tư tài chính ngắn hạn + Tài sản cố định, Bất động sản đầu tư + Đầu tư tài chính dài hạn cuối Quý 4 năm 2007) – (Hàng tồn kho + Đầu tư tài chính ngắn hạn + Tài sản cố định, Bất động sản đầu tư + Đầu tư tài chính dài hạn cuối Quý 2 năm 2007) / Tổng tài sản cuối Quý 2 năm 2007 Các chứng khoán được chia thành 3 nhóm theo I/A là High, Medium, Low với các điểm gãy 30%-40%-30% Các chứng khoán cũng được phân theo quy mô thành 2 nhóm là Small, Big Từ đó ta có 6 danh mục, TSSL tuần từng danh mục là bình quân gia quyền TSSL các chứng khoán trong danh mục với quyền số là % vốn hoá thị trường các chứng khoán trong danh mục Các danh mục được tái tạo 6 tháng một lần

Nhân tố rINV được tính là chênh lệch TSSL giữa các danh mục có I/A thấp và danh mục có I/A cao (low minus high)

RINV= (S/LINV + B/LINV)/2 – (S/HINV + B/HINV)/2 Với nhân tố ROA, 95 chứng khoán cũng được chia thành 2 nhóm theo quy mô (Small, Big) và 3 nhóm theo ROA với các điểm gãy 30%-40%-30%, ROA được tính là lợi nhuận sau thuế trên tổng tài sản Sáu danh mục cũng được tái tạo mỗi sáu tháng Nhân tố rROA được tính là chênh lệch TSSL tuần của các chứng khoán có ROA cao trừ TSSL chứng khoán có ROA thấp (high minus low):

RROA = (S/HROA+ B/HROA)/2 – (S/LROA + B/LROA)/2 Như vậy các nhân tố cho mô hình ba nhân tố Lu Zhang đã được xây dựng

2.3 Kiểm định giả thiết thống kê về quy luật phân phối xác suất của TSSL chứng khoán:

Ta kiểm định xem TSSL chứng khoán có phân phối theo quy luật chuẩn hay không, vì một trong những giả thiết của phương pháp bình phương bé nhất OLS là các phần dư Ui có phân phối chuẩn Ta sử dụng thống kê Jacques-Bera (thống kê JB), kiểm định được thực hiện trên toàn bộ 95 chứng khoán với 153 kỳ quan sát

Giả thiết Ho: Chuỗi/biến có phân phối chuẩn

Với kích cỡ mẫu quan sát lớn, thống kê JB có phân phối xấp xỉ Chi bình phương với bậc tự do là 2 Ho sẽ bị bác bỏ nếu JB > χα2 (2) Nếu xảy ra trường hợp ngược lại thì chưa có cơ sở bác bỏ Ho JB = 0 thì chuỗi có phân phối chuẩn hoàn toàn Xác suất p

được báo cáo kèm theo giá trị thống kê JB là xác suất nhỏ nhất có thể bác bỏ Ho với

mức ý nghĩa α.Giá trị p càng nhỏ thì khả năng bác bỏ Ho càng cao

Ta có bảng các giá trị thống kê như sau:

Bảng 2.1: Bảng tóm tắt các giá trị thống kê

Mean Median Std Dev Skewness Kurtosis

Bera Prob Obs BHS -0.00167 0.002963 0.091196 -0.13783 5.499911 40.32533 0.00000 153