Để chứng minh cho giả thuyết thị trường là không hiệu quả, các tác giả trên đã tập trungđào sâu vấn đề phản ứng của nhà đầu tư trước thông tin mới, từ đó, cho thấy sự chú ý củanhà đầu tư
Mục tiêu nghiÊNn CWU d- G5 G <2 %9 98 9 99 9999.999699 9909899 488409966 8.8 6 1 Mục tiêu CONG QUTK + - + +++t+k+t+t+EEEEEEEEEEEEEEkerekerrketekrrrrrrkrkrkei 6 2 MUC tidU CU hE 5N 8S Ả ố.ốỎ
Mức độ chú ý của nhà đầu tư, được đo lường qua chỉ số tìm kiếm trên Google, có ảnh hưởng đáng kể đến tỷ suất lợi nhuận của thị trường chứng khoán Việt Nam Nghiên cứu cho thấy sự gia tăng trong tìm kiếm liên quan đến chứng khoán thường đi kèm với sự biến động của thị trường Khi nhà đầu tư có nhiều thông tin và sự quan tâm hơn, họ có xu hướng tham gia tích cực hơn vào các giao dịch, từ đó tác động đến tỷ suất lợi nhuận Việc phân tích mối liên hệ này giúp hiểu rõ hơn về tâm lý thị trường và các yếu tố ảnh hưởng đến quyết định đầu tư.
Hệ thống hóa các vấn đề lý thuyết và cơ sở lý luận liên quan đến sự chú ý của nhà đầu tư, chỉ số khối lượng tìm kiếm trên Google, tỷ suất lợi nhuận thị trường chứng khoán, cùng với các lý thuyết về thị trường hiệu quả và tài chính hành vi là rất quan trọng Những yếu tố này giúp hiểu rõ hơn về cách mà sự chú ý của nhà đầu tư ảnh hưởng đến thị trường và quyết định đầu tư của họ.
Mối quan hệ giữa khối lượng tìm kiếm trên Google và tỷ suất sinh lợi của thị trường chứng khoán được thể hiện qua hai chỉ số chính là VN-Index và VN30 Nghiên cứu này nhằm làm sáng tỏ cách mà sự quan tâm của nhà đầu tư, biểu hiện qua tìm kiếm trực tuyến, ảnh hưởng đến hiệu suất của các chỉ số thị trường này Việc phân tích mối liên hệ này có thể cung cấp cái nhìn sâu sắc về xu hướng đầu tư và giúp các nhà đầu tư đưa ra quyết định thông minh hơn.
Thị trường chứng khoán Việt Nam đang trải qua một giai đoạn đánh giá quan trọng, với các yếu tố như cấu trúc thị trường, quy mô vốn hóa và sự biến động của chỉ số chứng khoán Sự tăng giảm của các chỉ số này ảnh hưởng trực tiếp đến quyết định đầu tư của nhà đầu tư cá nhân, đồng thời phản ánh những thách thức và cơ hội trong môi trường đầu tư hiện tại Việc hiểu rõ các khía cạnh này sẽ giúp nhà đầu tư đưa ra những quyết định thông minh và hiệu quả hơn.
> Kiểm định khả năng dự đoán của GSV đến tỷ suất lợi nhuận trong giai đoạn thi trường biến động mạnh và biến động bình thường.
Mô hình hợp lý được xác định nhằm phân tích tác động của sự chú ý của nhà đầu tư từ chỉ số GSV đến tỷ suất sinh lợi của thị trường chứng khoán tại Việt Nam Nghiên cứu này sẽ giúp hiểu rõ hơn về mối liên hệ giữa sự chú ý của nhà đầu tư và hiệu suất thị trường, từ đó cung cấp thông tin hữu ích cho các nhà đầu tư và nhà phân tích.
Mối quan hệ giữa sự chú ý của nhà đầu tư, được đo lường qua chỉ số Khối lượng tìm kiếm Google, và tỷ suất lợi nhuận của thị trường chứng khoán Việt Nam, thể hiện qua hai chỉ số VN-INDEX và VN30, là một chủ đề quan trọng Sự gia tăng khối lượng tìm kiếm cho thấy sự quan tâm của nhà đầu tư, có thể dẫn đến những biến động tích cực trong tỷ suất lợi nhuận của các chỉ số thị trường Việc phân tích mối liên hệ này giúp nhà đầu tư hiểu rõ hơn về xu hướng thị trường và đưa ra quyết định đầu tư hợp lý.
Dữ liệu được thu thập bao gồm chỉ số VN-INDEX và VN30 trong 313 tuần giao dịch từ ngày 1 tháng 1 năm 2016 đến ngày 31 tháng 12 năm 2021, cùng với chỉ số Khối lượng tìm kiếm Google trong cùng khoảng thời gian này.
1.5 Khái quát về số liệu và Phương pháp nghiên cứu
1.5.1 Khái quát về số liệu nghiên cứu
Khóa luận này thu thập dữ liệu thứ cấp từ Google Trends để phân tích khối lượng tìm kiếm trên Google, đồng thời sử dụng dữ liệu từ website Investing.com để lấy giá đóng cửa của chỉ số VN-INDEX và VN30.
Khóa luận sử dụng phương pháp nghiên cứu định lượng hồi quy theo mô hình VAR và OLS được thực hiện trong phần mềm Eviews 10.
1.6 Đóng góp của nghiên cứu
Nghiên cứu này nhằm cải thiện hiểu biết về lý thuyết liên quan đến sự chú ý của nhà đầu tư, lý thuyết thị trường hiệu quả và tài chính hành vi, bao gồm các giới hạn của kinh doanh chênh lệch giá và tâm lý học tài chính Thực tiễn cho thấy thị trường chứng khoán Việt Nam có hiệu quả thông qua quy mô thị trường và sự đa dạng hóa ngành nghề, với lợi nhuận thể hiện qua các chỉ số như VN-INDEX và VN30 Bên cạnh đó, tâm lý của nhà đầu tư cá nhân Việt Nam thường dựa vào cảm tính và xu hướng đám đông, cho thấy sự tồn tại nhiều lệch lạc nhận thức Kết quả nghiên cứu cũng chỉ ra rằng nhà đầu tư cá nhân Việt Nam chủ yếu thuộc nhóm e ngại rủi ro.
Thứ ba, nghiên cứu đã chỉ ra khả năng dự báo lợi nhuận hiện tại thông qua GSV quá khứ theo điều kiện lợi nhuận quá khứ đi kèm.
1.7 Kết cấu của nghiên cứu
Nghiên cứu được thiết kế thành 5 chương như sau:
Chương 1: Mở đầu Chương 2: Tổng quan nghiên cứu về Khối lượng tìm kiếm từ khóa trên công cụ Google và tỷ suất lợi nhuận thị trường chứng khoán
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứuChương 5: Kết luận
Cõu hỏi nghiEN CỨU <6 << %4 %4 9 4949949949594 994 998940684989594894ứ 7 1.4 Phạm vi nghién CỨU s- << <6 + Sẫ <9 9 9 494 494 494 99496 9649999609960999999990998ứ 7 1.5 Khỏi quỏt về số liệu và Phương phỏp nghiờn cứu s-ôô 7 1.5.1 Khái quát về số liệu nghiên CỨU -¿-¿¿+ + ++++s+x+x+x+x+xststststztzererers 7 1.5.2 Phương pháp nghiÊn CỨU + + 2E St ESEE+EEESEEsekstkerrrsersrersrersee 7 1.6 Đúng gúp của ngèhẽấN CỨU s- << <9 %4 %4 9 94 94 %9 998959 9960999895998 7 1.7 Kết cấu của nghiÊn CỨU << ô<< << + S< 9948994 9E28959952599958959585595855639 8 CHƯƠNG 2 TONG QUAN NGHIÊN CỨU VE KHOI LƯỢNG TÌM KIEM TỪ KHOA
Những vấn đề cơ bản về Sự chú ý của nhà đầu tư
Theo Anderson (2004) trong lĩnh vực tâm lý học, sự chú ý nói chung được định nghĩa như sau:
Sự chú ý (Attention) là khả năng nhận thức và tập trung vào các kích thích cụ thể trong môi trường Việc này giúp chúng ta nhận diện và tập trung vào những đặc điểm nổi bật, đồng thời loại trừ hoặc bỏ qua những yếu tố không quan trọng khác.
Cherry (1953) đã giới thiệu hiện tượng chú ý thông qua Hiệu ứng tiệc cocktail, cho thấy con người chỉ có thể tập trung vào một cuộc trò chuyện trong môi trường ồn ào, trong khi vẫn nhận biết được những âm thanh xung quanh ở mức độ thấp Cụ thể, người tham gia có thể dễ dàng nhận ra tên mình được nhắc đến trong các cuộc trò chuyện bên lề, chứng tỏ khả năng phát hiện thông tin quan trọng ngay cả khi không tập trung hoàn toàn Thí nghiệm này minh chứng rằng con người có khả năng xử lý thông tin một cách tinh tế trong bối cảnh ồn ào.
Sau này, rất nhiều nghiên cứu đã đào sâu giải thích cho hiệu ứng trên Treisman
Năm 1969, các nghiên cứu về khả năng chọn lọc kỹ càng đã được phát triển thông qua mô hình chú ý, cho thấy não bộ dễ dàng nhận diện những từ ngữ đơn giản như tên của chính mình hoặc người quen Đến năm 1973, Kahneman đã tiếp cận sự chú ý từ góc độ năng lực tiếp nhận, cho rằng sự chú ý là nguồn gốc của nhận thức sợ hãi Trong bối cảnh ngập tràn thông tin, con người chỉ có khả năng chú ý đến những thông tin thu hút và bỏ qua những thông tin không liên quan do giới hạn trong năng lực nhận thức Do đó, nghiên cứu về sự chú ý vẫn là một lĩnh vực quan trọng trong giáo dục, tâm lý học và kinh tế tài chính.
2.1.1.2 Sự chú ý của nhà đầu tư đến chỉ số đại diện TTCK
Nghiên cứu về sự chú ý của nhà đầu tư trên thị trường tài chính đã trở thành một đề tài quan trọng, đặc biệt là liên quan đến chỉ số toàn thị trường cổ phiếu của các Sàn Giao dịch chứng khoán toàn cầu Lý thuyết cho thấy rằng nhà đầu tư cá nhân thường tập trung vào chỉ số toàn thị trường thay vì các mã chứng khoán cụ thể của từng công ty.
Barber và Odean (2008) là những nhà nghiên cứu tiên phong trong việc khám phá khó khăn mà nhà đầu tư gặp phải khi tìm kiếm thông tin về cổ phiếu Họ chỉ ra rằng với hàng ngàn cổ phiếu trên thị trường, nhà đầu tư phải đối mặt với thách thức trong việc phân tích và tổng hợp thông tin, điều này hạn chế khả năng ra quyết định đầu tư chính xác.
Nhà đầu tư có xu hướng chú ý đến một số cổ phiếu trong khi bỏ qua những cổ phiếu khác, dẫn đến hành động mua/bán chủ yếu tập trung vào các cổ phiếu thu hút sự chú ý sớm nhất, bất kể hiệu suất của chúng trên thị trường Nếu họ đánh giá quá cao khả năng sinh lời từ những cổ phiếu ban đầu, niềm tin này sẽ tiếp tục ảnh hưởng đến quyết định đầu tư vào những cổ phiếu tương tự trong thị trường, theo nghiên cứu của Lin và cộng sự (2010).
Nghiên cứu của Statman và cộng sự (2006) chỉ ra rằng nhà đầu tư có xu hướng chú ý nhiều hơn đến kiến thức toàn thị trường và thông tin vĩ mô, thay vì chỉ tập trung vào thông tin của từng công ty hay cổ phiếu riêng lẻ Kết quả cho thấy hiện tượng giới hạn chú ý (limited investor attention) dẫn đến việc hình thành một cấu trúc nội sinh của thông tin, trong đó nhà đầu tư thường bỏ qua các thông tin cụ thể về cổ phiếu và dồn toàn bộ sự chú ý vào xu hướng chung của thị trường Lý thuyết này cũng liên quan đến hiệu ứng mỏ neo, cho thấy cách mà nhà đầu tư bị ảnh hưởng bởi những thông tin ban đầu và khó khăn trong việc điều chỉnh sự chú ý của mình.
Hiệu ứng neo được Li và Yu (2012) nhấn mạnh qua vai trò của mức cao nhất trong 52 tuần và mức cao nhất lịch sử của chỉ số Dow trong việc dự đoán lợi nhuận tương lai, thay vì chỉ tập trung vào cổ phiếu riêng lẻ Theo Statman và cộng sự (2006), khi nhà đầu tư gặp giới hạn về khả năng chú ý, họ thường chỉ quan tâm đến các yếu tố toàn thị trường và dữ liệu vĩ mô Chỉ số Dow Jones, với thông tin tổng thể và bao quát nhất về thị trường cổ phiếu, trở thành cơ sở và mỏ neo cho quyết định đầu tư của nhà đầu tư.
Một trong những đặc điểm nổi bật của sự chú ý là khả năng phân bổ nó một cách hiệu quả Dựa trên nguyên tắc này, Mondria (2010) đã phát triển một mô hình giá tài sản tài chính, giúp hiểu rõ hơn về cách mà sự chú ý ảnh hưởng đến giá trị tài sản.
Các nhà đầu tư thường thu thập thông tin từ một tập hợp các tài sản, có thể xử lý thông tin từ hai loại tài sản riêng biệt hoặc từ một tập hợp tài sản tuyến tính Tuy nhiên, do hạn chế trong việc thu thập thông tin về tài sản riêng biệt, họ thường dựa vào thông tin từ các tập hợp tài sản, như cổ phiếu trong rổ S&P500, để làm tín hiệu cho quyết định đầu tư Nghiên cứu của Mondria (2010) chỉ ra rằng các nhà phân tích thị trường theo dõi các tài sản chứa nhiều thông tin vĩ mô, không chỉ phục vụ cho giao dịch tài sản cụ thể mà còn để định giá các tài sản liên quan trong tập hợp đang phân tích, vì các tài sản này được xem là tuyến tính với xu hướng biến động tương đồng.
Nhà đầu tư cá nhân nhỏ lẻ thường chú ý đến chỉ số đại diện thị trường chứng khoán vì ba lý do chính Thứ nhất, chỉ số toàn thị trường cung cấp cái nhìn tổng quan về tình hình kinh tế và xu hướng đầu tư Thứ hai, thông tin vĩ mô giúp nhà đầu tư đánh giá được rủi ro và cơ hội trong các quyết định đầu tư Cuối cùng, sự quan tâm này còn phản ánh tâm lý chung của thị trường, giúp nhà đầu tư nhỏ lẻ có định hướng rõ hơn trong việc ra quyết định đầu tư.
Để tối ưu hóa lựa chọn đầu tư giữa hàng ngàn cổ phiếu, nhà đầu tư nên tập trung vào các chỉ số thị trường như VN30 hoặc HNX30, giúp họ nhận diện những cổ phiếu tiềm năng với khả năng tăng giá và mang lại lợi nhuận Việc phân tích từng cổ phiếu riêng lẻ có thể dẫn đến quá tải thông tin và khó khăn trong việc đưa ra quyết định chính xác Sử dụng chỉ số thị trường làm cơ sở quan sát sẽ cung cấp cái nhìn tổng quan về biến động giá và khối lượng giao dịch, từ đó giúp nhà đầu tư dễ dàng lựa chọn 30 mã cổ phiếu chất lượng mà không cần phải sàng lọc giữa hàng ngàn lựa chọn khác.
Theo Luật Chứng khoán mới 54/2019/QH14, có hiệu lực từ ngày 01/01/2021, nhà đầu tư chứng khoán chuyên nghiệp không phụ thuộc vào gợi ý của môi giới để đưa ra quyết định đầu tư Đối tượng này bao gồm cá nhân và tổ chức có năng lực tài chính và trình độ chuyên môn về chứng khoán, trong đó tổ chức có thể là ngân hàng thương mại, công ty tài chính, công ty cho thuê tài chính, và tổ chức kinh doanh bảo hiểm.
Để trở thành nhà đầu tư chứng khoán chuyên nghiệp, cá nhân cần có chứng chỉ hành nghề và sở hữu danh mục đầu tư tối thiểu 2 tỷ đồng hoặc chịu thuế ít nhất 1 tỷ đồng Theo Luật Chứng khoán, chỉ nhà đầu tư chuyên nghiệp mới được tham gia các đợt chào bán chứng khoán riêng lẻ mà không cần qua trung gian Họ có khả năng tiếp cận thông tin giá trị và không cần tra cứu từng mã chứng khoán trên Google Ngược lại, nhà đầu tư cá nhân thường bị ảnh hưởng bởi các đề xuất từ trung gian môi giới chứng khoán, những người ưu tiên hướng dẫn họ chọn cổ phiếu lớn trong danh sách Blue Chip Do đó, trước khi đưa ra quyết định đầu tư, nhà đầu tư cá nhân thường tìm kiếm thêm thông tin về các chỉ số thị trường liên quan đến các cổ phiếu mà họ đang xem xét.
Nhà đầu tư hiện nay đang tìm cách đa dạng hóa danh mục đầu tư để tối đa hóa lợi nhuận, không chỉ tập trung vào một vài cổ phiếu riêng lẻ Theo Mondria (2010), sự quan tâm của họ ngày càng hướng đến các chỉ số thị trường, đặc biệt là những chỉ số có tính chất tuyến tính giữa các cổ phiếu tương đồng về quy mô và biến động Biến động giá của chỉ số này trở thành mẫu neo thông tin quan trọng giúp nhà đầu tư dự đoán biến động tương lai của toàn thị trường và các cổ phiếu thành phần Ngoài ra, thông tin về một tài sản còn được sử dụng để đánh giá các tài sản khác có liên quan, từ đó mở rộng danh mục đầu tư cá nhân một cách hiệu quả.
2.1.1.3 Khối lượng tìm kiếm từ khóa trên công cụ Google
Cơ sở lý luận về Lý thuyết thị trường hiệu quả
2.1.2.1 Khái niệm Lý thuyết thị trường hiệu quả
Theo Fama (1970, 1998), một thị trường được coi là hiệu quả khi giá cả phản ánh đầy đủ thông tin có sẵn Ông chỉ ra ba điều kiện cần thiết cho sự hiệu quả của thị trường: (i) không có chi phí giao dịch trong đầu tư chứng khoán; (ii) thông tin có sẵn miễn phí cho tất cả các thành phần trên thị trường; và (iii) sự đồng thuận của tất cả nhà đầu tư trong việc cung cấp thông tin liên quan và dự đoán giá tương lai của chứng khoán.
Malkiel (1992) đã đưa ra một định nghĩa toàn diện về thị trường hiệu quả, nhằm lấp đầy khoảng trống trong nghiên cứu, khi mà các điều kiện cần thiết để thị trường hoạt động hiệu quả thực tế rất khó đạt được Khái niệm này không thể làm hài lòng tất cả các nhà nghiên cứu.
Thị trường vốn, đặc biệt là thị trường chứng khoán, được coi là hiệu quả khi giá chứng khoán phản ánh đầy đủ và chính xác mọi thông tin có sẵn.
Thị trường được coi là hiệu quả khi thông tin Ot được công khai mà không làm ảnh hưởng đến giá chứng khoán, cho thấy rằng tất cả các thành viên thị trường đều có quyền truy cập bình đẳng vào thông tin Hơn nữa, một thị trường hiệu quả với tập tin Qt chỉ ra rằng nhà đầu tư không thể đạt được lợi nhuận bất thường dựa trên thông tin từ tập Ot.
2.1.2.2 Các cấp độ thị trường hiệu quả
Trong lịch sử, Roberts (1967) đã phân chia các dạng thức hiệu quả của thị trường, và Fama (1970) đã tổng hợp các dạng hiệu quả này thành ba giả thuyết, tạo cơ sở cho các nghiên cứu tiếp theo.
Thị trường hiệu quả dạng yếu
Lý thuyết thị trường hiệu quả dạng yếu cho rằng giá cổ phiếu hiện tại phản ánh đầy đủ mọi thông tin quá khứ, bao gồm giá và lợi suất trước đó Theo giả thuyết này, tỷ suất sinh lời trong quá khứ không liên quan đến tương lai, tức là các lợi suất là độc lập với nhau Do đó, giá trị tương lai của chứng khoán không thể dự đoán và không thể đạt được lợi nhuận vượt trội chỉ dựa vào thông tin lịch sử.
Thị trường hiệu quả dạng trung bình
Lý thuyết thị trường hiệu quả trung bình cho rằng giá cổ phiếu hiện tại phản ánh tất cả thông tin công bố tại thời điểm hiện tại và gần đây, cũng như thông tin trong quá khứ Lý thuyết này bao gồm cả lý thuyết thị trường hiệu quả dạng yếu Các thông tin hiện tại bao gồm báo cáo tài chính công khai, thông cáo thu nhập, chính sách chia cổ phần, chia tách cổ phiếu, thưởng cổ phiếu và các thông tin kinh tế vĩ mô Trong một thị trường hiệu quả trung bình, nhà đầu tư không thể đạt được lợi nhuận vượt trội chỉ dựa vào thông tin công bố hiện tại.
15 nhận được lợi nhuận tối ưu vượt trội so với mức lợi nhuận trung bình của thị trường, bởi vì giá chứng khoán đã phản ánh đầy đủ tất cả thông tin công khai.
Thị trường hiệu quả dạng mạnh
Lý thuyết thị trường hiệu quả dạng mạnh khẳng định rằng giá cổ phiếu hiện tại phản ánh tất cả thông tin, từ công khai đến nội bộ, bao gồm cả lý thuyết hiệu quả dạng yếu và dạng trung bình Trong một thị trường hiệu quả mạnh, tất cả các nhà đầu tư đều có quyền truy cập vào thông tin sẵn có, bất kể thông tin đó có được công khai hay không Điều này tạo ra sự công bằng trong cơ hội đầu tư, vì không có sự chênh lệch về thông tin giữa các nhà đầu tư, dẫn đến việc không ai có thể đạt được lợi nhuận vượt trội so với người khác.
Mặc dù thị trường lý thuyết cho rằng thông tin nội gián không mang lại lợi ích bất thường, thực tế cho thấy điều này không đúng Nhiều nghiên cứu chứng minh rằng khi có thông tin nội bộ, người nắm giữ chúng thường thu được lợi ích đáng kể Thị trường bất động sản là ví dụ điển hình, nơi những người sở hữu thông tin về quy hoạch đất đai có thể đạt được lợi thế vượt trội.
Theo giả thuyết thị trường hiệu quả, cổ phiếu sẽ được giao dịch ở giá trị hợp lý trên thị trường chứng khoán Điều này khiến việc đầu tư vào các cổ phiếu bị định giá thấp để "thắng thị trường" trở nên bất khả thi.
Tài chính hành VỈ + tk TT TH TH TH TT Hà nghệ 16 2.2 Tổng quan nghiên cứu về khối lượng tìm kiếm từ khóa trên công cu
Lĩnh vực Tài chính hành vi kết hợp kiến thức tâm lý học để phân tích cách thức mà hành vi con người tác động đến quyết định của cả nhà đầu tư cá nhân lẫn chuyên nghiệp, cũng như ảnh hưởng đến thị trường và các nhà quản lý.
Lý thuyết tài chính hành vi phân tích tâm lý đầu tư để giải thích những diễn biến bất thường trên thị trường chứng khoán (TTCK) Nó cho rằng cấu trúc thông tin và đặc điểm của nhà đầu tư đều bị ảnh hưởng bởi các quyết định đầu tư cá nhân và tác động của thị trường Thị trường không phải lúc nào cũng đạt trạng thái cân bằng, và nhà đầu tư bất hợp lý có thể thắng lợi trước nhóm đầu tư hợp lý Điều này dẫn đến tình trạng thị trường không hiệu quả, khi giá tài sản tài chính có thể bị đẩy lên quá cao hoặc quá thấp.
16 thể được giải thích thỏa đáng theo lý thuyết thị trường hiệu quả nhưng lại có thể lý giải hợp lý dựa trên lý thuyết tài chính hành vi.
Tài chính hành vi là một lĩnh vực nghiên cứu nhằm giải thích những bất thường trên thị trường chứng khoán thông qua các thành kiến tâm lý, thay vì chỉ dựa vào các kết quả ngẫu nhiên như giả thuyết thị trường hiệu quả đề xuất (Fama, 1998) Nghiên cứu này cho thấy rằng hành vi của các nhà đầu tư cá nhân và các kết quả thị trường chịu ảnh hưởng từ cấu trúc thông tin và các đặc điểm tính cách khác nhau của những người tham gia thị trường (Bakara và Yi, 2016).
2.1.3.2 Giới han cua lý thuyết chênh lệch giá
Kinh doanh chênh lệch giá, theo Ackert và Deaves (2018), là hành động mua và bán đồng thời các chứng khoán tương tự nhau, đôi khi có thể thay thế cho nhau Nhà đầu tư thực hiện chiến lược này bằng cách mua cổ phiếu được cho là rẻ và bán hoặc bán khống cổ phiếu được cho là đắt, với hy vọng rằng sự chênh lệch giá giữa chúng sẽ giảm xuống.
Sự tham gia của cả nhà đầu tư "hợp lý" và "bất hợp lý" trong thị trường tài chính hiệu quả ngăn cản việc xuất hiện cơ hội chênh lệch giá hoàn hảo Khi tài sản bị định giá sai bởi các nhà đầu tư "bất hợp lý", nhóm đầu tư đối lập sẽ thực hiện giao dịch để điều chỉnh giá trị thông qua hoạt động kinh doanh chênh lệch giá Tuy nhiên, những cơ hội chênh lệch giá này thường không chứa rủi ro nhưng lại nhanh chóng biến mất.
Mặc dù có những quan điểm cho rằng các cơ hội đầu tư có thể nhanh chóng biến mất, nhưng thực tế cho thấy nếu nhà đầu tư biết cách khai thác một cách khéo léo, những cơ hội này vẫn còn tồn tại Sự hiểu biết về giới hạn của kinh doanh chênh lệch giá sẽ giúp giải thích cho hiện tượng này.
Trụ cột I: Giới hạn của lý thuyết chênh lệch giá chỉ ra rằng hoạt động kinh doanh chênh lệch giá là có rủi ro và tốn nhiều chỉ phí.
Theo Kihn (2011), nhà đầu tư cần chú ý đến ba loại rủi ro chính: rủi ro cơ bản, rủi ro do nhà đầu tư bị nhiễu thông tin và rủi ro liên quan đến chi phí thực hiện.
Rui ro cơ bản - Fundamental Risk là rủi ro phát sinh khi có những tin tức tốt hoặc xấu bất ngờ xuất hiện trên thị trường, đặc biệt là ngay sau khi nhà đầu tư thực hiện giao dịch mua hoặc bán tài sản.
Rủi ro nhà đầu tư nhiễu (Noise-Trader Risk) được Long và cộng sự (1990) mô tả là hiện tượng xảy ra khi những nhà đầu tư bi quan mất niềm tin vào tương lai, dẫn đến việc định giá sai lệch ngày càng tồi tệ hơn trong ngắn hạn Trong mô hình của họ, các nhà đầu tư khôn ngoan nhận thức rằng giá cả có thể sai lệch ngay cả khi họ quyết định bán, do đó họ cần được đền bù cho rủi ro này Ngược lại, nhà đầu tư nhiễu có thể trở nên không còn hoạt động trên thị trường, vì khả năng kinh doanh kém của họ có thể dẫn đến cạn kiệt vốn Sự biến mất của nhóm nhà đầu tư này sẽ góp phần làm cho thị trường trở nên hiệu quả hơn.
Mặc dù có thể gặp khó khăn khi vượt qua tuổi 17, những cá nhân này vẫn có khả năng hoạt động hiệu quả nếu họ duy trì thái độ lạc quan và sẵn sàng chấp nhận rủi ro.
Rui ro trong giao dịch chứng khoán liên quan đến chi phí hoa hồng, chênh lệch giá mua và giá bán, cũng như tác động giá từ thị trường Hoạt động bán khống và các hạn chế pháp lý, cùng với chi phí thông tin và thuế, đều ảnh hưởng đến quyết định đầu tư Đối với hai cổ phiếu là tài sản thay thế hiệu quả với chi phí thực hiện thấp, việc kinh doanh chênh lệch giá không nên được thực hiện do rủi ro từ những nhà đầu tư bất hợp lý.
2.1.3.3 Tâm lý học tài chính
Nội dung tâm lý học trong tài chính hành vi bổ sung cho lý thuyết hạn chế kinh doanh chênh lệch giá Kihn (2011) Trong thị trường tài chính, các lệch lạc nhận thức như tự tin thái quá, tính bảo thủ, lệch lạc sẵn có, lệch lạc tự xác nhận và neo quyết định cản trở nhà đầu tư nhận thức đúng về khả năng thực sự của bản thân.
Tự tin thái quá, hay còn gọi là overconfidence, là một khía cạnh tâm lý mà con người thường có xu hướng đánh giá cao kiến thức, khả năng và độ chính xác của thông tin mà mình sở hữu Theo nghiên cứu của Barber, hiện tượng này cũng liên quan đến sự lạc quan thái quá về tương lai và khả năng kiểm soát các tình huống.
Theo Odean (2001), các nhà đầu tư thường quá tự tin vào khả năng của mình trong việc kiếm lời từ thị trường bằng cách dựa vào cảm tính, mặc dù điều này thực tế là không khả thi.
Theo nghiên cứu của Statman và cộng sự (2006), đàn ông thường đầu tư nhiều hơn phụ nữ nhờ vào sự tự tin cao hơn, nhưng hiệu quả đầu tư của họ lại thấp hơn Các bằng chứng cho thấy sự tự tin quá mức dẫn đến việc thực hiện giao dịch nhiều hơn, ít đa dạng hóa và chấp nhận rủi ro cao hơn Việc ước lượng sai hoặc tin rằng thông tin và phân tích cá nhân chính xác hơn thực tế có thể khiến họ nhầm tưởng rằng có thể định thời điểm thị trường và mua được những cổ phiếu hấp dẫn.
Tình hình nghiên cứu về sự chú ý của nhà đầu tư
Thời đại số đã làm cho Internet trở thành một phần thiết yếu trong mọi lĩnh vực của cuộc sống, bao gồm kinh tế, giáo dục, văn hóa, chính trị, quân sự và y tế Trong bối cảnh này, thị trường tài chính ngày càng phát triển với xu hướng nhà đầu tư tận dụng Internet để tìm kiếm thông tin quan trọng phục vụ cho quyết định đầu tư tiền nhàn rỗi.
Nghiên cứu của năm 1987 chỉ ra rằng động lực của người tiêu dùng ảnh hưởng đến quyết định mua sắm, do đó, việc tìm hiểu hành vi và thói quen tra cứu của khách hàng trở thành công cụ quan trọng để dự đoán doanh số bán hàng Điều này giúp cải thiện quản trị bán hàng dựa trên nhu cầu sản phẩm.
Theo hai tác giả, nhà đầu tư hiện nay hưởng lợi lớn từ việc được miễn phí truy cập vào các nền tảng tài chính lớn, nơi cung cấp thông tin về cổ phiếu, chẳng hạn như các website của Ủy ban.
Chứng Khoán, Yahoo! Finance, Bloomberg, Với sự góp mặt của những nguồn thông tin
Vào ngày 19, trong quá trình tra cứu thông tin, các nhà đầu tư ngày càng có khả năng tiếp cận dữ liệu một cách nhanh chóng, đầy đủ và chính xác hơn.
Khối lượng thông tin khổng lồ trên Internet dẫn đến việc nhiều cá nhân tự tin quá mức vào khả năng tự ra quyết định đầu tư vào cổ phiếu Theo nghiên cứu của Barber và Odean (2008), nhà đầu tư thường gặp khó khăn trong việc đánh giá và xếp hạng hàng ngàn cổ phiếu do hạn chế về nhận thức và thời gian phân tích Để giải quyết tạm thời vấn đề này, họ thường chọn lọc danh mục đầu tư chỉ bao gồm những cổ phiếu thu hút sự chú ý ban đầu.
Như vậy, bắt nguồn từ Kahneman và Tversky (1973), thuật ngữ Investor Attention
Sự chú ý của nhà đầu tư đối với thị trường chứng khoán (TTCK) phản ánh quá trình xử lý thông tin một cách chủ quan và duy lý Điều này liên quan đến các hành động trong hệ thống nhận thức và hệ thống phản ứng tri giác của nhà đầu tư.
Trong những năm gần đây, sự phát triển của Tài chính hành vi đã thu hút nhiều học giả tìm kiếm phương pháp đo lường "Mức độ chú ý của nhà đầu tư" Các phương pháp này chủ yếu dựa trên cách đo lường gián tiếp, trong đó Biến số giao dịch thị trường cổ phiếu, Truyền thông đại chúng và đặc biệt là Chỉ số tra cứu Internet là những tiêu biểu nổi bật.
2.2.1.1 Biến số giao dịch thị trường cổ phiếu
Trong phương pháp này, các biến số quan trọng bao gồm khối lượng giao dịch đột biến, tỷ lệ vòng quay tài sản, hạn mức giá mỗi ngày và lợi nhuận cổ phiếu vượt trội.
Seasholes và Wu (2007) đã nghiên cứu sự kiện tăng hạn mức giá trên Sàn Giao dịch Chứng khoán Thượng Hải để đo lường mức độ chú ý của nhà đầu tư Theo các tác giả, khối lượng đầu tư vào cổ phiếu phản ánh mức độ quan tâm của nhà đầu tư thông qua hành động mua bán của họ.
Barber và Odean (2008) đã mở rộng nghiên cứu về mức độ chú ý của nhà đầu tư thông qua Lợi nhuận vượt trội và Khối lượng giao dịch bất thường Họ chỉ ra rằng nhà đầu tư cá nhân thường phải chịu chi phí tra cứu thông tin cao hơn so với nhà đầu tư chuyên nghiệp, dẫn đến việc họ chỉ đầu tư vào những cổ phiếu đã được xếp hạng trong danh sách của mình và ít có ý định tìm kiếm thông tin về các cổ phiếu mới Loh (2010) đã kế thừa và tiếp tục nghiên cứu này.
Số vòng quay tài sản hằng ngày - Daily Turnover thường xuyên biến động sau khi có sự kiện và tin tức quan trọng Các phân tích từ những nhà phân tích thị trường nổi tiếng cung cấp gợi ý quý giá để hiểu rõ hơn về xu hướng này Việc theo dõi những biến động này không chỉ giúp nhà đầu tư đưa ra quyết định chính xác mà còn tối ưu hóa chiến lược đầu tư của họ.
Lợi nhuận đầu tư cao, khối lượng giao dịch lớn và tin tức về sự kiện cùng công ty phát triển nhanh chóng là những yếu tố quan trọng thu hút sự quan tâm của nhà đầu tư.
Các sự kiện bất thường thường bị ảnh hưởng bởi điều kiện thị trường vĩ mô và sự thay đổi trong chính sách hoạt động của doanh nghiệp Do đó, nhiều nhà nghiên cứu hiện nay cho rằng phương pháp này không trực diện, thiếu độ tin cậy và không phản ánh chính xác mức độ quan tâm của nhà đầu tư cá nhân.
2.2.1.2 Biến số truyền thông đại chúng
Xuất phát từ câu hỏi về việc điều chỉnh chiến lược quảng cáo để thu hút sự chú ý của nhà đầu tư, Lou (2014) đã sử dụng chi phí quảng cáo của các công ty niêm yết tại Sàn chứng khoán NYSE làm thước đo cho mức độ quan tâm của nhà đầu tư Tác giả khẳng định rằng khi doanh nghiệp tăng chi phí quảng cáo, giá cổ phiếu sẽ tăng theo, tuy nhiên điều này dẫn đến một sự đảo ngược lợi nhuận hoàn toàn.
Yuan (2015) đề xuất sử dụng sự kiện kỷ lục Dow và sự kiện tin tức chứng khoán trang nhất để nghiên cứu tác động đến quyết định đầu tư Sự kiện kỷ lục Dow, tức là mức giá đóng cửa cao kỷ lục của Chỉ số Trung Bình Công Nghiệp Dow Jones tại Hoa Kỳ, cùng với số lần báo New York Times và Los Angeles Times đưa tin về biến động thị trường chứng khoán, cho thấy rằng các sự kiện truyền thông lớn có ảnh hưởng mạnh mẽ đến quyết định bán của nhà đầu tư cá nhân, hơn là quyết định mua.
Tác động của GSV đến tỷ suất lợi nhuận với mô hình VAR
Bảng 4.10 Kết quả ước lượng mối quan hệ giữa GSV và tỷ suất lợi nhuận của 2 chi số VN-INDEX và VN30 theo mô hình VAR
Nguồn: Phần mềm định lượng Eviews 10
và ***.
Khối lượng tìm kiếm trên Google cho hai từ khóa "vnindex" và "vn30" có tác động tiêu cực nhanh chóng đến tỷ suất lợi nhuận của các chỉ số này, với mức ý nghĩa 1% cho VN-INDEX và 5% cho VN30 ở độ trễ đầu tiên Sự gia tăng khối lượng tra cứu chỉ số chứng khoán phản ánh phản ứng nhanh trước cú sốc thông tin, dẫn đến sự giảm đột ngột tỷ suất lợi nhuận ngay sau đó.
Tác động của GSV đến tỷ suất sinh lời gần như biến mất sau 2 tuần, nhưng lại xuất hiện trở lại vào tuần thứ 4 với những dấu hiệu tích cực.
TTCK Cụ thể, tại độ trễ 4, tác động của GSV đến R có mức ý nghĩa 5% cho VN-INDEX và
Sau khoảng 3-4 tuần, mức độ ảnh hưởng của GSV đối với VN30 giảm sút, cho thấy rằng phản ứng ngay lập tức của nhà đầu tư sau cú shock thông tin không còn mạnh mẽ Thời gian này cho phép nhà đầu tư phân tích và xử lý thông tin thị trường, từ đó cải thiện khả năng phán đoán và đưa ra quyết định hiệu quả hơn Điều này được thể hiện qua sự gia tăng khối lượng tìm kiếm trên Google, kéo theo tỷ suất lợi nhuận toàn thị trường cổ phiếu cũng tăng lên với độ trễ 4.
Sự gia tăng GSV có tác động tiêu cực ngay lập tức đến VN-INDEX và VN30, nhưng sau 2-3 tuần giao dịch, tác động này sẽ trở lại tích cực Mô hình của hai chỉ số cho thấy ảnh hưởng tương tự, mặc dù VN30 có thể phản ứng nhanh hơn VN-INDEX trong một số trường hợp Đánh giá cho thấy rằng sự thay đổi trong tỷ suất lợi nhuận của VN-INDEX và VN30 không có ý nghĩa ước lượng và không ảnh hưởng đến khối lượng tìm kiếm.
Sau khi tìm kiếm trên Google, có sự gia tăng lợi nhuận trong 4 tuần tiếp theo, dẫn đến mức độ quan tâm đối với từ khóa “vnindex” và “vn30” tăng đáng kể Biểu đồ phản ứng Cholesky cho thấy tác động này kéo dài từ 2-3 tuần, trước khi trở lại mức ảnh hưởng gần như 0 trong thời gian tiếp theo.
Sự thay đổi của GSV trong quá khứ ảnh hưởng đến GSV hiện tại, thể hiện qua giá trị ước lượng độ trễ 1 với mức ý nghĩa 1% Tuy nhiên, ảnh hưởng này chỉ diễn ra trong 1-2 tuần đầu tiên và nhanh chóng biến mất sau đó.
Kiểm định ổn định mô hình VAR .cccccccccccccceccescescescescescsscesceseescsseesessessessens 61 4.4.3 Phản ứng đẩy CholÌeSÌy - ¿+55 S+S+E+E+E+t+t+t++EtEtrtkrkrrerrrrrrrererrke 61 Cg,(:(/0/82.// 2,01 00nnẺn
Tính ổn định của mô hình VAR liên quan chặt chẽ đến khả năng nghịch đảo, điều này ảnh hưởng đến hiệu quả và ý nghĩa của việc giải mô hình Để kiểm tra tính ổn định, có hai phương pháp chính: sử dụng bảng số liệu hoặc biểu đồ Để tăng tính trực quan, tác giả đã chọn cách thể hiện kiểm định thông qua biểu đồ, như được minh họa trong biểu đồ 4.1 dưới đây.
Biểu đồ 4.1 Tính ổn định của mô hình VAR cho 2 chỉ số VN-INDEX và VN30
Inverse Roots of AR Characteristic Polynomial Inverse Roots of AR Characteristic Polynomial
Nguồn: Phần mềm định lượng Eviews 10 Đối với mô hình VAR có độ trễ 4, kiểm định sẽ hiển thị 8 nghiệm don vị, bao gồm
4 nghiệm đơn vị tương ứng với 4 độ trễ của biến GSV và 4 nghiệm đơn vị tương ứng với
Nếu tất cả các nghiệm đơn vị của biến R (tỷ suất lợi nhuận) nằm trong khoảng từ (-1,1), tức là nằm trong đường tròn bán kính 1 đơn vị, thì mô hình VAR được coi là ổn định.
Kết quả kiểm định cho thấy tất cả các điểm nghiệm đơn vị đều nằm trong đường tròn bán kính 1 ở cả hai mô hình, xác nhận rằng mô hình VAR cho hai chỉ số này đảm bảo tính ổn định tốt.
Hàm phản ứng đẩy (Impulse Response Function) là một chức năng quan trọng trong mô hình VAR, cho phép phân tích cách một biến trong mô hình phản ứng trước cú sốc của biến khác theo thời gian Hàm này cung cấp thông tin về sự thay đổi của biến khi có sự tác động từ biến khác với độ trễ nhất định.
Bài nghiên cứu này phân tích phản ứng đẩy để đánh giá tác động của cú sốc thông tin, cụ thể là sự gia tăng đột ngột của GSV, đến tỷ suất lợi nhuận Đồng thời, nghiên cứu cũng xem xét ảnh hưởng của cú sốc lợi nhuận đến phản ứng của nhà đầu tư, được thể hiện qua biến động của GSV.
Hình 4.2 Phản ứng đẩy giữa GSV và Tỷ suất lợi nhuận của VN-INDEX và VN30
Phản ứng của R_VNINDEX trước cú sốc của GSV_VNINDEX Phản ứng của GSV_VNINDEX trước cú sốc của R_VNINDEX
Phan ứng của R_VN30 trước cú sốc của GSV_VN30 Phản ứng của GSV_VN30 trước cú sốc của R_VN30 uo
1 2 3 4 5 6 7 8 9 10 1 2°34 °+5 +6 7 8 9 10 Đường xu thế chính của phan ứng 1 biến trước cú số của biến còn lại
"` Đường bo độ lệch chuẩn trên va độ lệch chuẩn dưới cho đường xu thể chính
Cả hai mô hình VN-INDEX và VN30 đều cho thấy sự tương đồng về xu thế ảnh hưởng tại các độ trễ giống nhau, phù hợp với kết quả từ mô hình tác động VAR Tuy nhiên, tác động của các biến số trong mô hình VN-INDEX mạnh mẽ hơn so với VN30, do quy mô thị trường của VN-INDEX lớn hơn nhiều so với VN30, chỉ bao gồm 30 cổ phiếu Blue Chip Độ lệch chuẩn trên và dưới, thể hiện qua đường nét đứt màu đỏ, cho thấy các phản ứng đều hợp lý và theo xu thế chính của cú sốc đang xét.
Tỷ suất lợi nhuận phản ứng chậm trước cú sốc GSV, như thể hiện trong hình 4.2-1 và hình 4.2-3, với phản ứng chính là Tỷ suất lợi nhuận đứng trước Điều này cho thấy rằng biến lợi nhuận gần như không có phản ứng ngay lập tức với cú sốc lãi suất trong tuần đầu tiên, dẫn đến việc hàm phản ứng cho ra kết quả chậm một tuần so với mô hình.
Cú sốc GSV chỉ tạo ra ảnh hưởng tiêu cực tới tỷ suất lợi nhuận của TTCK sau hai tuần, tức là tại độ trễ lags(t-1) Phản ứng tiêu cực này dần mất đi ở tuần thứ 3 và thứ 4, và đến tuần thứ 5, xu thế đi lên của đường phản ứng cho thấy tỷ suất lợi nhuận chứng khoán có phản ứng tích cực trước cú sốc GSV gia tăng Đây là thời điểm cuối cùng của dòng phản ứng, trước khi ảnh hưởng này mờ nhạt dần từ tuần thứ 6 trở đi Sau tuần thứ 5, tỷ suất lợi nhuận sẽ không còn bị tác động bởi các cú sốc thông tin trước đó.
Hàm phản ứng đẩy chỉ ra hai mốc quan trọng về phản ứng của tỷ suất lợi nhuận trước GSV, cụ thể là ở tuần 2 và tuần 5 Tác động của GSV đến tỷ suất lợi nhuận tại tuần 2 mạnh hơn so với tuần 5, cho thấy ảnh hưởng ngắn hạn ngay lập tức của GSV lớn hơn sau khoảng thời gian 2-3 tuần.
Kết quả từ hàm phản ứng đẩy cho thấy GSV có tác động tiêu cực ngay lập tức tại độ trễ lags(t-1) với mức ý nghĩa 1%, và sau đó ảnh hưởng tích cực dần đến đỉnh điểm tại độ trễ lags(t-4) với mức ý nghĩa thấp hơn 5%, phù hợp với mô hình tự hồi quy VAR đã trình bày ở phần 4.4.1.
Cú sốc tỷ suất lợi nhuận đã tác động mạnh mẽ đến khối lượng tìm kiếm Google GSV ngay từ tuần đầu tiên, như thể hiện trong hình 4.2-2 và hình 4.2-4 Khi so sánh với mô hình VAR, kết quả cho thấy hệ số tác động của R tại độ trễ lags(t-).
1) là dương, nhưng không đạt điều kiện mức ý nghĩa tối thiểu 10% (vì p-value của các hệ số lags(t-1) xấp xỉ 25%) Do đó, biểu hiện thấy được trong biểu đồ tại tuần thứ nhất gần như không đủ tin cậy, mà chỉ đến tuần thứ 4 và tuần thứ 5, phản ứng của GSV trước cú sốc lợi nhuận mới ý nghĩa theo mô hình VAR, với tác động tích cực Theo đó, GSV hay nguồn thông tin sẽ tăng, chú ý của nhà đầu tư tăng là do hệ quả của một cú sốc lợi nhuận thị trường tăng Tác động này sẽ mất đi tại các tuần sau đó.
Phân rã phương sai (Variance Decomposition) giúp tách biệt mức độ biến động của biến nội sinh từ các cú sốc thành phần Tác giả áp dụng hàm phân rã phương sai để xác định tầm quan trọng của cú sốc GSV đối với tỷ suất lợi nhuận trong hai mô hình nghiên cứu.
Hình 4.3 Phân rã phương sai cú sốc GSV khi tác động đến tỷ suất lợi nhuận chỉ số
Variance DecompositionofR_VNINDEX Variance Decomposition ofR_VN30
Nguồn: Phần mềm định lượng Eviews 10
Phân rã phương sai cho cả hai cú số GSV của VN-INDEX và VN30 cho thấy sự tương đồng rõ rệt Sự thay đổi của tỷ suất lợi nhuận chủ yếu được gây ra bởi cú sốc của chính tỷ suất lợi nhuận, với phần lớn diện tích cột trong biểu đồ được lấp đầy bởi màu xanh của biến lợi nhuận Trong khi đó, cú số thông tin hay GSV cũng có ảnh hưởng nhất định, nhưng tác động của nó chỉ thực sự rõ ràng sau tuần thứ hai Sau khoảng ba tuần, tức tuần thứ năm, ảnh hưởng này dần mờ nhạt và biến mất.
Kết quả này khẳng định rõ ràng rằng tác động của GSV đến tỷ suất lợi nhuận là thực sự có ý nghĩa và kéo dài khoảng 4-5 tuần, không chỉ xảy ra ngay lập tức rồi mất đi Điều này phù hợp với các kết luận về tác động của GSV theo mô hình VAR và hàm phản ứng Cholesky.
Tác động của GSV đến tỷ suất lợi nhuận ước lượng theo OLS
Bảng 4.11 trình bày kết quả ước lượng OLS về tác động của giá trị tài sản (GSV) trong quá khứ, tỷ suất lợi nhuận quá khứ và GSV dưới điều kiện lợi nhuận quá khứ đến tỷ suất lợi nhuận hiện tại của hai chỉ số VN-INDEX và VN30.
Biến VN-INDEX VN30 độc lập Coeff Std E Prob Coeff Std E Prob.
C 0.004826** 0.001953 0.0140 0.004713** 0.002000 0.0191 Rei -0.071174 0.072160 0.3248 -0.078947 0.071426 0.2699 Re-2 -0.061980 0.071915 0.3895 -0.085716 0.071458 0.2313 Re-3 -0.124544* 0.072787 0.0881 -0.096645 0.072076 0.1810 Re-4 0.071031 0.071999 0.3247 0.086885 0.071299 0.2240 GSV:-1 1.00E-05 0.001814 0.9956 -0.002815 0.009758 0.7732 GSVt-2 -0.000560 0.001904 0.7687 -0.003622 0.010343 0.7265
GSV:-+4 0.003447* 0.001783 0.0542 0.020254** 0.009677 0.0372 GSVi-1*Re-1 0.190115*** 0.056322 0.0008 1.022081*** 0.354224 0.0042 GSVi-2*Re-2 0.021417 0.056320 0.7040 0.347315 0.358045 0.3328 GSVi-3*Re-3 -0.026142 0.056340 0.6430 -0.208604 0.358168 0.5607
Bảng báo cáo kết quả ước lượng OLS cho thấy tác động của GSV kết hợp với lợi nhuận quá khứ đến lợi nhuận hiện tại của chỉ số VN-INDEX và VN30, sử dụng phần mềm định lượng Eviews 10.
Mức ý nghĩa a lần lượt là 10%, 5% và 1% tương ứng với *, ** và ***,
Bảng báo cáo kết quả mô hình OLS cho thấy tác động của khối lượng tìm kiếm Google đối với lợi nhuận TTCK trong quá khứ Biến phụ thuộc là tỷ suất lợi nhuận của chỉ số VN-INDEX và VN30 (Rt) Các biến độc lập bao gồm lợi nhuận quá khứ và khối lượng tìm kiếm Google, cùng với sự biến động của khối lượng tìm kiếm Google theo lợi nhuận trước đó.
Hệ số GSVt-1*Re-1 trong bảng 4.11 cho thấy rằng khi lợi nhuận chứng khoán quá khứ tăng lên 1 đơn vị, khối lượng tìm kiếm trên Google sẽ có xu hướng gia tăng.
Các hệ số này đo lường sự thay đổi trong tác động của lợi suất quá khứ đến lợi suất hiện tại, cho thấy rằng 65 hoặc giảm một mức tương ứng với giá trị của hệ số đó Điều này cho thấy sự chú ý của nhà đầu tư đối với các biến động tăng hay giảm trong lợi suất.
Hệ số xác định (R-squared) R2 của hai mô hình VN-INDEX và VN30 lần lượt là 0.075825 và 0.068979, cho thấy các biến độc lập trong hai mô hình này chỉ giải thích được 7.58% và 6.89% biến động của tỷ suất lợi nhuận hiện tại trên thị trường chứng khoán Việt Nam Mặc dù mức độ giải thích không cao, nhưng kết quả R-squared vẫn phù hợp với các nghiên cứu trước đó.
Theo Vozlyublennai (2014), dữ liệu các chỉ số sau khi chuẩn hóa vẫn cho thấy sự xuất hiện của các biến số khác có tác động đồng thời Tỷ suất lợi nhuận thị trường cổ phiếu không chỉ bị ảnh hưởng bởi khối lượng tìm kiếm trên Google hay mức độ quan tâm của nhà đầu tư, mà còn chịu tác động từ các yếu tố vĩ mô và các yếu tố thị trường khách quan khác Hệ số hồi quy trong nghiên cứu này có ý nghĩa thống kê rõ ràng.
Mô hình ước lượng cho tỷ suất lợi nhuận của chỉ số VN-INDEX
Tại độ trễ 3 và mức ý nghĩa 10%, hệ số a = -0.124544 cho thấy rằng nếu lợi nhuận của chỉ số VN-INDEX tăng trong 3 tuần trước, thì lợi nhuận hiện tại của chỉ số này sẽ giảm 0.124544 điểm.
Tại độ trễ 4 tuần, hệ số B = 0.003447 cho thấy nếu khối lượng tìm kiếm từ khóa “vnindex” tăng, lợi nhuận hiện tại của chỉ số sẽ tăng 0.003447 điểm, với mức ý nghĩa 10%.
Tại độ trễ 1 với mức ý nghĩa 1%, hệ số ft = 0.190115 cho thấy rằng nếu lợi nhuận của chỉ số VN-INDEX tăng 1 điểm trong tuần trước, thì mức độ ảnh hưởng của khối lượng tìm kiếm từ khóa “vnindex” đến lợi nhuận hiện tại sẽ tăng 0.190115% Điều này chỉ ra rằng tác động của lợi nhuận tuần trước đến lợi nhuận hiện tại sẽ gia tăng nếu nhà đầu tư chú ý nhiều hơn đến chỉ số VN-INDEX.
Mô hình hồi quy mẫu cho chỉ số VN-INDEX như sau:
Mô hình ước lượng cho chỉ số VN30:
$%ỉ, = 0.020254 > 0, tại đỗ trễ 4, mức ý nghĩa 5%, hệ số cho thấy nếu khối lượng tìm kiếm từ khóa “vn30” của 2 tuần trước tăng 1%, lợi nhuận hiện tại sé tăng 0.020254 điểm.
Tại độ trễ 1 và mức ý nghĩa 1%, hệ số 1.022081 cho thấy rằng nếu lợi nhuận của chỉ số VN30 tăng 1 điểm trong tuần trước, thì mức độ ảnh hưởng của khối lượng tìm kiếm từ khóa “vnindex” đến lợi nhuận hiện tại sẽ tăng 1.022081%.
Tác động của lợi nhuận một tuần trước đến lợi nhuận hiện tại sẽ gia tăng nếu nhà đầu tư chú ý nhiều hơn đến chỉ số VN-INDEX.
Mô hình hồi quy mẫu cho chỉ số VN30 như sau:
R_vn30 = 0.004713 + 0.020254 * GSW,_„ + 1.022081 * GSW,_ * Ry + ấy
Chiều hướng tác động của các biến động độc lập ở hai mô hình VN30 và VN-INDEX khá tương đồng, nhưng mức độ ảnh hưởng của các biến thuộc mô hình VN30 lớn hơn đáng kể Chỉ số VN30 phản ánh biến động thị trường dựa trên 30 cổ phiếu hàng đầu của TTCK Việt Nam, thu hút sự quan tâm mạnh mẽ từ nhà đầu tư nhỏ lẻ Do đó, ảnh hưởng của sự chú ý từ nhà đầu tư đến chỉ số VN30 sẽ quan trọng hơn và có quy mô lớn hơn so với VN-INDEX.
4.5 Thảo luận kết quả nghiên cứu
Về kết quả kiểm định nhân quả Granger Causality Test
Kết quả kiểm định cho thấy sự quan tâm của nhà đầu tư đến thông tin thị trường có ảnh hưởng đáng kể đến biến động giá chỉ số chứng khoán, phản ánh qua tỷ suất lợi nhuận của thị trường cổ phiếu Việt Nam Sau khi thực hiện phân tích tổng quan, tác giả quyết định đo lường mức độ quan tâm của nhà đầu tư thông qua khối lượng tìm kiếm trên Google, sau khi đã chuẩn hóa.
Kiểm định nhân quả Granger chỉ ra rằng GSV có tác động một chiều đáng kể đến tỷ suất lợi nhuận thị trường của VN-INDEX và VN30 Mối quan hệ này được xác định tại cả ba mức ý nghĩa 2, 4 và 6 tuần, với độ trễ 4 tuần cho thấy tác động mạnh mẽ nhất.
Kết quả nghiên cứu cho thấy có sự ảnh hưởng rõ rệt của GSV đến biến động của thị trường chứng khoán toàn cầu Dữ liệu từ Google Trends cho phép nhà đầu tư phân tích và hiểu rõ hơn về các biến động của thị trường chứng khoán thông qua các chỉ số chính, từ đó giải thích một phần sự biến động này.
Giả thuyết nghiên cứu cho rằng “Sự chú ý của nhà đầu tư, được đo lường qua khối lượng tìm kiếm Google, có hiệu quả trong việc dự báo tỷ suất lợi nhuận TTCK” đã được kiểm chứng Kết quả cho thấy điều này đúng với cả hai trường hợp tại thị trường Việt Nam, cụ thể là chỉ số VN-INDEX và VN30.
Theo kiểm định Granger Causality, tỷ suất lợi nhuận có rất ít ảnh hưởng ngược đến khối lượng tìm kiếm trên Google Hầu hết các kết quả chỉ ra rằng không có tác động hoặc tác động yếu với mức ý nghĩa trên 10% ở độ trễ 4 Do đó, kết quả này cần được xem xét kỹ lưỡng.
Bài viết đề cập đến việc sử dụng 67 kiểm định lựa chọn độ trễ phù hợp - Lag Length Criteria để xác định độ trễ tối ưu cho mô hình dự báo VAR Tác giả quyết định chọn độ trễ 4 tuần làm cơ sở ước lượng, nhằm xác định thời điểm có mức độ ảnh hưởng lớn nhất giữa các biến.
Về kết quả ước lượng mô hÌnhh ¿2 ¿+ +++++S+++x+t+xex+tzxexexevzrsss 68 CHƯƠNG 5 KẾT LUẬN VÀ KHUYẾN NGHỊ 2-52 2 se ssessesssese 70 5.1 (Các 8
Kết quả từ mô hình VAR cho thấy tác động tạm thời của cú shock thông tin đến VN-INDEX và VN30, khiến nhà đầu tư lo sợ, ảnh hưởng tiêu cực đến giá thị trường trong 1-2 tuần đầu Sự gia tăng tìm kiếm thông tin trên Google cho thấy khả năng xảy ra hành vi bầy đàn trong ngắn hạn Sau giai đoạn bất ổn, thị trường bước vào giai đoạn điều chỉnh và ổn định, với nhà đầu tư thể hiện sự thận trọng Mô hình VAR với độ trễ 4 tuần cho thấy GSV có tác động tích cực đến tỷ suất lợi nhuận chứng khoán Khi nhà đầu tư ổn định hơn và tăng cường tìm kiếm thông tin, thanh khoản thị trường được nâng cao, giá ít biến động hơn Mối quan hệ này mạnh hơn trong giai đoạn thị trường có tỷ suất sinh lợi thấp, với khối lượng giao dịch cao cho thấy sự e ngại rủi ro của nhà đầu tư Mô hình VAR cũng chỉ ra mối quan hệ tích cực giữa tỷ suất lợi nhuận GSV và hành động tìm kiếm từ khóa, phù hợp với giả thuyết của Barber và Odean (2008), rằng sự chú ý của nhà đầu tư dẫn đến áp lực giá tăng và lợi nhuận cao hơn Kết quả cho thấy độ trễ 4 tuần là tối ưu cho các tác động giữa lợi nhuận.
Sự chậm trễ trong việc diễn ra 68 và GSV tại thị trường Việt Nam tương tự như những phát hiện trong nghiên cứu của Kim và cộng sự (2018) tại thị trường Norway Điều này cho thấy rằng thị trường Việt Nam đang trải qua những giai đoạn phát triển tương tự như những gì đã xảy ra ở các thị trường khác.
Nghiên cứu của Tanaya và Suyanto (2021) chỉ ra rằng chỉ số tìm kiếm trên Google liên quan đến các giao dịch chứng khoán trong tương lai nhiều hơn là các hoạt động đầu tư hiện tại Trong khi đó, Da và cộng sự (2011) phát hiện ra độ trễ tương tự nhưng chỉ trong khoảng thời gian 1-2 tuần, không kéo dài đến 4 tuần như trong nghiên cứu này Độ trễ kéo dài có thể xuất phát từ nguyên nhân hiệu quả thông tin ở các nước đang phát triển như Việt Nam và Indonesia thấp hơn, do người dân gặp khó khăn trong việc tiếp cận thông tin với chi phí cao hơn, theo Tan và Tas (2019).
Tóm lại, nghiên cứu cho thấy có sự tương tác giữa GSV và tỷ suất lợi nhuận của thị trường chứng khoán Việt Nam, trong đó tác động của GSV đến tỷ suất lợi nhuận là mạnh mẽ hơn nhiều so với tác động ngược lại.
Giả thuyết Hs được xác nhận qua kết quả ước lượng hồi quy OLS, cho thấy rằng tác động của GSV đến lợi nhuận thị trường phụ thuộc vào lợi nhuận quá khứ của chỉ số tương ứng Điều này có ý nghĩa thống kê rõ ràng tại độ trễ 1, cho thấy rằng lợi nhuận trong quá khứ của thị trường ảnh hưởng đến mối quan hệ giữa GSV và lợi nhuận hiện tại chỉ sau một tuần.
Bảng dưới đây mô tả kết luận cuối cùng của tác giả đối với các giả thuyết đặt ra trước đó của đề tài nghiên cứu này.
Bảng 4.12 Đánh giá các giả thuyết chung của đề tài nghiên cứu Giả thuyết Nội dung Kết luận
Sự chú ý của nhà đầu tư đo lường | Chấp nhận ở cả 2 mô hình
H bằng khối lượng tìm kiếm Google có | VN-INDEX và VN30
1 thực sự hiệu quả cho việc dự báo tỷ suất lợi nhuận TTCK.
Chấp nhận ở cả 2 mô hình VN- Giữa GSV và tỷ suất lợi nhuận chỉ số | INDEX và VN30.
H2 thị trường Việt Nam là mối quanhé | Tác động của GSV lên Lợi tác động 2 chiều qua lại nhuận rõ rệt hơn tác động của
Khả năng tác động khối lượng tìm | Chấp nhận ở cả 2 mô hình
Ha kiếm Google đến lợi nhuận tương lai | VN-INDEX và VN30 có phụ thuộc vào lợi nhuận quá khứ.
Nguồn: Tác giả tự tổng hợp từ kết quả ước lượng mô hình
CHƯƠNG 5 KẾT LUẬN VÀ KHUYẾN NGHỊ
5.1 Kết luận Đề tài nghiên cứu mối quan hệ giữa sự chú ý của nhà đầu tư, đo lường bằng chỉ số
Khối lượng tìm kiếm trên Google và tỷ suất lợi nhuận của thị trường chứng khoán Việt Nam, được thể hiện qua hai chỉ số VN-INDEX và VN30, đã trở thành chủ đề nghiên cứu trong khoảng một thập kỷ qua Nhiều nhà nghiên cứu kinh tế tài chính trên thế giới đã chỉ ra rằng sự chú ý của nhà đầu tư đóng vai trò quan trọng trong việc giải thích xu hướng lợi nhuận của các tài sản tài chính và hiệu quả hoạt động của thị trường chứng khoán nói chung.
Khi tìm kiếm thông tin về cổ phiếu, nhà đầu tư phải đối mặt với hàng ngàn lựa chọn, gây khó khăn trong việc xử lý thông tin và tìm kiếm dữ liệu mới Thường thì, nhà đầu tư chỉ tập trung vào một số cổ phiếu yêu thích và bỏ qua những cổ phiếu khác, hoặc mua cổ phiếu mà họ quen thuộc mà không xem xét kỹ lưỡng Quyết định đầu tư nhanh chóng dựa vào cảm tính có thể dẫn đến thua lỗ do thiếu thông tin về thị trường Do đó, việc sử dụng GSV để đo lường mức độ chú ý của nhà đầu tư thay vì chỉ dựa vào từng cổ phiếu riêng biệt là cần thiết, bởi vì: (i) hạn chế trong khả năng chọn lọc giữa hàng ngàn cổ phiếu; (ii) đặc điểm giao dịch qua trung gian môi giới chứng khoán; và (iii) nhu cầu đa dạng hóa danh mục đầu tư.
Trong thị trường chứng khoán, nhà đầu tư cá nhân thường xuyên sử dụng Google để tìm kiếm thông tin về cổ phiếu, cho thấy sự chú ý của họ chủ yếu đại diện cho nhóm nhà đầu tư nhỏ lẻ và không chuyên nghiệp Tại Việt Nam, số lượng nhà đầu tư cá nhân vượt xa số quỹ đầu tư và công ty quản lý quỹ, cho thấy sự ảnh hưởng mạnh mẽ của họ đến tỷ suất lợi nhuận toàn thị trường Để kiểm định mối quan hệ này, nghiên cứu sử dụng hai chỉ số VN-INDEX và VN30 làm mẫu nghiên cứu tỷ suất lợi nhuận và chỉ số GSV, trong đó VN-INDEX theo dõi giá của tất cả cổ phiếu niêm yết tại Sở Giao dịch Thành phố Hồ Chí Minh, còn VN30 theo dõi 30 cổ phiếu Blue Chip hàng đầu.
Bài viết đề cập đến 70 công ty hàng đầu tại Việt Nam như Vinamilk, Vietcombank, và Vn-Airlines Mặc dù chỉ số HNX-INDEX ban đầu được xem xét, nhưng đã bị loại bỏ do không phù hợp với mô hình nghiên cứu Dữ liệu nghiên cứu bao gồm biến số sự chú ý của nhà đầu tư cá nhân, được đo lường qua chỉ số GSV từ Google Trends, và biến số tỷ suất lợi nhuận, tính toán từ chênh lệch giá đóng cửa hàng tuần của VN-INDEX và VN30, thu thập từ Investing.com Khung thời gian nghiên cứu được xác định là hàng tuần.
Từ ngày 01/01/2016 đến 31/12/2021, nghiên cứu đã tiến hành quan sát trong 313 tuần Bài khóa luận mang tên “Nghiên cứu tác động của chỉ số tìm kiếm từ khóa trên công cụ Google đến tỷ suất lợi nhuận thị trường chứng khoán Việt Nam” áp dụng nhiều phương pháp nghiên cứu đa dạng như tổng quan nghiên cứu, phương pháp tổng hợp, phân tích, so sánh và nghiên cứu định lượng Trong đó, các kiểm định được thực hiện bao gồm kiểm định tính dừng (Unit Root Test).
Bài viết này đề cập đến các phương pháp thống kê quan trọng trong phân tích dữ liệu, bao gồm Kiểm định gốc (Root Test) để xác định tính ổn định của chuỗi thời gian, Kiểm định nhân quả Granger (Granger Causality Test) nhằm kiểm tra mối quan hệ nguyên nhân giữa các biến, Kiểm định lựa chọn độ trễ phù hợp (Lags Length Criteria) để xác định độ trễ tối ưu cho mô hình, Kiểm định tự tương quan (Residual Test) để đánh giá sự độc lập của sai số, và hàm phản ứng để phân tích tác động của biến này lên biến khác theo thời gian.
The article discusses the Cholesky Impulse Response, variance decomposition, and estimation models such as Vector Autoregression (VAR) and Ordinary Least Squares (OLS), utilizing Eviews 10 software for analysis.
Hoàn thành nghiên cứu nói chung, tác giả đưa ra các kết luận như sau:
Về phương diện học thuật NA
Bài viết hệ thống hóa các lý thuyết về sự chú ý của nhà đầu tư, phân tích ưu nhược điểm của các phương pháp đo lường sự chú ý từ các nghiên cứu trước đó, và chỉ ra ảnh hưởng đáng kể của yếu tố này đến tỷ suất lợi nhuận trên thị trường chứng khoán Việt Nam Tác giả còn áp dụng lý thuyết thị trường hiệu quả và lý thuyết tài chính hành vi để giải thích tâm lý của nhà đầu tư trong việc lựa chọn cổ phiếu, ra quyết định đầu tư, và phản ứng trước thông tin mới Đồng thời, bài viết cũng làm rõ lý do tại sao nhà đầu tư cá nhân thường chú ý nhiều hơn đến chỉ số thị trường chung thay vì các cổ phiếu riêng lẻ.
Thứ hai, tác giả tiến hành phân tích và so sánh để lựa chọn các công thức chuẩn hóa tối ưu cho từng biến số trong mô hình GSV chuẩn hóa và tỷ suất lợi nhuận thị trường Đồng thời, quy trình trích xuất dữ liệu thô GSV từ Google Trends được phân tích chi tiết, đảm bảo tính phù hợp với thời gian, không gian, lĩnh vực nghiên cứu và nền tảng tìm kiếm liên quan đến hai từ khóa “vnindex” và “vn30” tại thị trường Việt Nam.
Về phương diện thực tiễn
Đánh giá thực trạng thị trường chứng khoán (TTCK) Việt Nam cho thấy hiệu quả hoạt động của thị trường qua quy mô, sự đa dạng ngành nghề và lợi nhuận thể hiện qua các chỉ số như VN-INDEX, HNX-INDEX, VN30 và HNX30 Tuy nhiên, tâm lý của nhà đầu tư cá nhân vẫn chủ yếu dựa vào cảm tính và xu hướng đám đông, dẫn đến nhiều nhận thức lệch lạc theo lý thuyết tâm lý học tài chính Do đó, cần thiết phải có các giải pháp phòng ngừa rủi ro trong đầu tư và cải thiện chất lượng thông tin thị trường, cũng như nâng cấp hệ thống để đảm bảo quyết định đầu tư chính xác hơn.
Internet thông cáo thông tin điện tử nhằm phục vụ nhu cầu tra cứu thông tin của nhà đầu tư thuận tiện nhất.
Về vấn đề “thông tin bất cân xứng” của nhà đầu tư 73 5.2.2 Về rủi ro lạc quan thái quá của nhà đầu tư c5 55+ 5+<<ssc<+s 74 5,2.3 Về khả năng quản lý đầu tư - ¿+ 5:52 S*+t+vEvEet+tkexexsterrrsresrersee 75
Vấn đề "thông tin bất cân xứng" giữa nhà đầu tư cá nhân và nhà đầu tư chuyên nghiệp là một trở ngại lớn trong thị trường chứng khoán Việt Nam Nhà đầu tư chuyên nghiệp thường có khả năng tiếp cận thông tin tốt hơn, cả về số lượng và chất lượng, thông qua các nguồn nội bộ từ sàn giao dịch và công ty môi giới Điều này dẫn đến việc nhà đầu tư cá nhân gặp khó khăn trong việc nắm bắt tình hình kinh doanh thực sự của công ty và biến động thị trường Một ví dụ điển hình là sự việc của Công ty Cổ phần Đầu tư và Phát triển Đô thị Công Nghiệp Sông Đà (SJS) vào ngày 12/1/2007, khi giá cổ phiếu giảm mạnh do hành động nội bộ mà nhà đầu tư cá nhân không thể nắm bắt thông tin kịp thời Để giảm thiểu tình trạng này, nhà đầu tư cá nhân cần đầu tư thời gian và nguồn lực để thu thập thông tin một cách hiệu quả.
Google cung cấp thông tin miễn phí và tiện lợi cho nhà đầu tư, nhưng do tính công khai, cơ hội đầu tư cũng được chia đều cho tất cả mọi người Không có cơ quan nào đảm bảo rằng tất cả thông tin trên Internet đều chính xác và uy tín, do đó, nhà đầu tư cần chấp nhận chi phí cho các nguồn thông tin chuyên sâu và xác thực Việc này giúp họ tránh đầu tư vào các cổ phiếu thiếu tin cậy, như cổ phiếu nhỏ hoặc có báo cáo tài chính không trung thực.
5.2.2 Về rủi ro lạc quan thái quá của nhà đầu tư
Theo Barber và Odean (2008), với lượng thông tin khổng lồ trên Internet, nhà đầu tư thường tự tin quá mức vào khả năng thu thập thông tin và chọn cổ phiếu, dẫn đến quyết định đầu tư bất hợp lý Sự lạc quan thái quá có thể khiến nhà đầu tư định giá cổ phiếu cao hơn giá trị thực, dẫn đến việc mua cổ phiếu với giá cao hoặc bán với giá thấp hơn giá trị thực Hệ quả là khi giá cổ phiếu điều chỉnh về giá trị thực, nhà đầu tư sẽ phải đối mặt với thua lỗ.
Từ đáy lịch sử vào tháng 3/2020 đến tháng 5/2021, chỉ số VN-INDEX đã tăng hơn 26%, trong khi VN30 tăng gần 29% (theo dữ liệu từ Investing.com) Sự tăng trưởng này phản ánh xu hướng chung của thị trường toàn cầu, với kỳ vọng vào "Bình thường mới" của các nền kinh tế sau thời gian giãn cách xã hội vì Covid-19 Nhiều tín hiệu tích cực đã xuất hiện, nhờ vào các gói hỗ trợ và kích cầu kinh tế từ chính phủ và ngân hàng trung ương các quốc gia.
Thực tế thị trường chứng khoán Việt Nam cho thấy sự chuyển biến tích cực chủ yếu đến từ sự hưng phấn của nhà đầu tư cá nhân trong nước, trong khi nhiều nhà đầu tư định chế lại chọn thời điểm này để thoái vốn, tận dụng giai đoạn kinh tế phục hồi.
Thực trạng hiện tại cho thấy doanh nghiệp và nhà quản lý công ty đang mua vào chứng khoán với khối lượng thấp hơn nhiều so với lượng đăng ký, trong khi khối ngoại vẫn tiếp tục thực hiện các giao dịch bán ròng.
Nhà đầu tư cần liên tục nâng cao kỹ năng xử lý và phân tích thông tin, đồng thời tích lũy kinh nghiệm để đối phó với những biến động thị trường Việc tham khảo ý kiến từ các chuyên gia hoặc những nhà đầu tư có kinh nghiệm trong lĩnh vực chứng khoán là rất quan trọng để đưa ra quyết định đầu tư chính xác hơn.
Đối mặt với sự kiện giúp nhà đầu tư cá nhân đưa ra quyết định khách quan hơn, tránh bị chi phối bởi cảm tính hay sự tự tin thái quá Để ngăn chặn tình trạng lạc quan quá mức về khả năng phán đoán, nhà đầu tư nên kết hợp các mô hình phân tích dữ liệu hợp lý từ các nguồn kiểm chứng đáng tin cậy, từ đó xây dựng chiến lược đầu tư hiệu quả hơn.
Trong quá trình xây dựng danh mục đầu tư, việc cập nhật và đổi mới là rất quan trọng Tuy nhiên, trước khi thêm một loại cổ phiếu mới vào danh mục, nhà đầu tư cần cân nhắc kỹ lưỡng Sự đánh giá và suy xét cẩn thận nên kéo dài ít nhất một tháng, để đảm bảo nhà đầu tư có thời gian phân tích và hiểu rõ về doanh nghiệp cũng như giá trị tương lai mà họ sẽ nhận được từ quyết định đầu tư.
5.2.3 Về khả năng quản lý đầu tư
Khả năng quản trị rủi ro và quản lý danh mục đầu tư yêu cầu nhà đầu tư không chỉ có tinh thần và thái độ chăm chỉ, mà còn cần kiến thức và kinh nghiệm thực chiến trên thị trường Quy trình ra quyết định bắt đầu từ việc thu thập dữ liệu và thông tin liên quan, sau đó phân tích chúng theo các mô hình định sẵn để đưa ra quyết định đầu tư Giai đoạn theo dõi và xử lý vấn đề phát sinh trong quá trình nắm giữ cổ phiếu cũng rất quan trọng Một chiến lược đầu tư hiệu quả không thể chỉ dựa vào một cá nhân thiếu kiến thức và kinh nghiệm trong việc vận hành toàn bộ quy trình.
Khi nhu cầu đầu tư gia tăng, việc mở rộng danh mục đầu tư trở nên cần thiết, do đó, nhà đầu tư cần nâng cao khả năng quản lý danh mục mỗi ngày Hiểu rõ thị trường, bao gồm cả điểm mạnh và điểm yếu, cũng như nhận diện các rủi ro tiềm tàng là rất quan trọng trong quá trình ra quyết định Nếu nhà đầu tư thiếu tự tin vào quyết định của mình, giải pháp tối ưu là ủy thác cho tổ chức đầu tư chứng khoán uy tín, nhằm đảm bảo mục tiêu lợi nhuận ổn định và phòng ngừa rủi ro hiệu quả.
5.2.4 Về rủi ro tâm lý đầu tư
Tại thị trường Việt Nam, nhà đầu tư cá nhân thường bị ảnh hưởng lớn bởi tâm lý bầy đàn Những biến động chung của thị trường có thể dễ dàng tác động đến tâm lý của họ, dẫn đến những quyết định sai lệch về thời gian, không gian, khối lượng và giá giao dịch.
Vấn đề chính trong đầu tư nằm ở yếu tố thời gian, khi nhà đầu tư thường mua vào lúc không nên và bán ra khi không nên Điều này đặc biệt rõ ràng trong một thị trường đầy rủi ro, nơi mà quyết định sai lầm có thể dẫn đến thiệt hại lớn.
Trong tình huống Mania, giá cổ phiếu bị thổi phồng vượt quá giá trị thực, khiến nhà đầu tư thiếu thông tin để phân tích và dễ dàng đi theo đám đông, dẫn đến thua lỗ khi thị trường giảm Ngược lại, trong bối cảnh thị trường rủi ro với giá cổ phiếu thấp hơn giá trị thực, nhà đầu tư thường lo sợ và không dám đầu tư, mặc dù đây có thể là cơ hội hấp dẫn Điều này cho thấy tâm lý bầy đàn của nhà đầu tư chủ yếu xuất phát từ việc thiếu thông tin phân tích, dẫn đến quyết định đầu tư bị ảnh hưởng bởi sự đồng thuận của số đông.
Nhà đầu tư nên dự đoán các tình huống có khả năng xảy ra và chuẩn bị giải pháp để tránh hoang mang khi gặp khó khăn Việc tự đặt ra và tuân thủ quy định đầu tư cá nhân là cần thiết, thể hiện kỷ luật trong đầu tư Kỷ luật này cần được thể hiện qua chiến lược và quy trình đầu tư rõ ràng, minh bạch, tránh đầu tư theo cảm tính Ngoài ra, nhà đầu tư nhỏ lẻ nên xem xét việc có người kiểm soát đồng hành trong chiến lược đầu tư để giảm thiểu rủi ro và sai lầm khi đầu tư một mình.
Ackert, L & Deaves, R (2018) Behavioral Finance: Psychology, Decision-Making, and Markets, Cengage.
Akarsu, S & Suer, O (2021) How investor attention affects stock returns? Some international evidence Borsa Istanbul Review.
Anderson, J (2004) Cognitive Psychology and its implications, Worth Publishers.
Bakara, S & Yi, A N C (2016) The impact of psychological factors on investors’ decision making in Malaysian stock market: A case of Klang Valley and Pahang. Procedia Economics and Finance, 35, 319-328.
Bank, M., Larch, M & Peter, G (2011) Google search volume and its influence on liquidity and returns of German stocks Swiss Society for Financial Market Research,
Barber, B M & Odean, T (2001) Boys will be boys: Gender, overconfidence, and common stock investment The Quarterly Journal of Economics, 116, 1, 261-292.
Barber, B M & Odean, T (2008) All That Glitters: The Effect of Attention and News on the Buying Behavior of Individual and Institutional Investors The Review of Financial Studies, 21, 2, 785-818.
Barberis, N., Shleifer, A & Vishny, R (1998) A model of investor sentiment Journal of Financial Economics, 49, 307-343.
Beatty, S E & Smith, S M (1987) External Search Effort: An Investigation Across Several Product Categories Journal of Consumer Research, 14, 1, 83-95.
Bijl, L., Kringhaug, G., Molnar, P & Sandvik, E (2016) Google searches and stock returns International Review of Financial Analysis, 45, 150-156.
Cherry, C (1953) Some experiments on the recognition of speech, with one and with two ears The Journal of The Acoustical Society of America, 25, 5, 975-979.
Da, Z., Engelberg, J & Gao, P (2011) In search of attention The Journal of Finance, LXVI, 5, 1461-1499.
Fama, E (1965a) The behavior of stock-market prices The Journal of Finance, 38,
Fama, E (1965b) Efficient capital markets: A Review of theory and empirical work. The Journal of Finance, Stock Market Price Behavior, 383-417.
Fama, E (1970) Efficient capital markets: II The Journal of Finance, XLVI, 5, 1575- 1617.
16 Fama, E (1998) Market efficiency, long term returns, and behaviroal finance.
17 Fama, E & French, K (1996) Multifactor Explanations of Asset Pricing Anomalies.
The Journal of Finance, LI, 1, 55-84.
18 Fama, E & French, K (2015) A five-factor asset pricing model Journal of Financial
19 Fan, X., Yuan, Y., Zhuang, X & Jin, X (2017) Long memory of abnormal investor attention and the cross-correlations between abnormal investor attention and trading volume, volatility respectively Physica A Statistical Mechanics and its Applications, 469, 323-333.
20 Guoa, T., Finkea, M & Mulhollanda, B (2015) Investor attention and advisor social media interaction Applied Economics Letters, 22, 4, 261-265.
21 Hirshleifer, D & Teoh, S H (2003) Limited attention, information disclosure, and financial reporting Journal of Accounting and Economics, 36, 337-386.
22 Hong, H & Stein, J (1999) A Unified Theory of Underreaction, Momentum Trading, and Overreaction in Asset Markets The Journal of Finance, LIV, 6, 2143-2184.
23 Huberman, G & Regev, T (2001) Contagious Speculation and a Cure for Cancer: A
Nonevent that Made Stock Prices Soar The Journal of Finance, LVI, 1, 387-396.
24 Hwang, S & Salmon, M (2004) Market stress and herding Journal oof Empirical
25 lykea, B N & Ho, S.-Y (2021) Investor attention on COVID-19 and African stock returns MethodsX, 8, 101195.
26 Kahneman, D (1973) Attention and Effort, America, Prentice-Hall Inc.,.
27 Kahneman, D & Tversky, A (1973) On The Psychology of Prediction Psychological
28 Kengatharan, L & Kengatharan, N (2014) The Influence of Behavioral Factors in
Making Investment Decisions and Performance: Study on Investors of Colombo Stock Exchange, Sri Lanka Asian Journal of Finance & Accounting, 6, 1.
29 Kihn, J (2011) Behavioral finance 101: cognitive financial economics, United State,
30 Kim, N., Lucivjansk, K., Molnar, P & Villa, R (2018) Google searches and stock market activity: evidence from Norway Finance Research Letters.
31 Lamont, O & Thaler, R (2003) Can the market add and subtract? Mispricing in tech stock carve-outs? Journal of Political Economy, 111, 2, 227-268.
32 Li, J & Yu, J (2012) Investor attention, psychological anchors, and stock return predictability Journal of Financial Economics, 104, 401-419.
33 Lin, C Y., Rahman, H & Yung, K (2010) Investor Overconfidence in REIT Stock
Trading Journal of Real Estate Portfolio Management, 16, 1, 39-57.
34.Loh, R K (2010) Investor Inattention and the Underreaction to Stock
35 Long, B D., Shleifer, A., Summers, L H & Waldmann, R J (1990) Noise trader risk in financial markets Journal of Political Economy, 98, 4, 703-738.
36 Lou, D (2014) Attracting Investor Attention through Advertising The Review of
37 Mahapatra, M S & Mehta, S (2015) Behavioral finance: A study on gender based dilemma in making investment decisions SUMEDHA Journal of Management.
38 Malkiel, B (1992) Efficient Market Hypothesis New Palgrave Dictionary of Money and Finance.
39 Merton, R (1986) A Simple Model of Capital Market Equilibrium with Incomplete
Information The Journal of Finance, XLU, 3, 483-510.
40 Mondria, J (2010) Portfolio choice, attention allocation, and price co-movement
41 Phan, K C & Zhou, J (2014) Market efficiency in emerging stock markets: A case study of the Vietnamese stock market Journal of Business and Management, 16, 4, 61-73.
42 Preis, T., Moat, H S & Stanley, E (2013) Quantifying Trading Behavior in Financial
Markets Using Google Trends Scientific Reports, 3, 1684, 1-6.
43 Rubin, A & Rubin, E (2010) Informed Investors and the Internet Journal of
44 Seasholes, M S & Wu, G (2007) Predictable behavior, profits and attention.
45 Statman, M., Thorley, S & Vorkink, K (2006) Investor overconfidence and trading volume The Review of Financial Studies, 19, 4, 1531-1565.
46 Swamy, V & Dharani, M (2018) Investor attention using the Google search volume index - impact on stock returns Review of Behavioral Finance, 11, 1, 55-69.
47 Swamya, V., Dharanib, M & Takedac, F (2019) Investor attention and Google
Search Volume Index: Evidence from an emerging market using quantile regression analysis Research in International Business and Finance, 50, 1-17.
48 Tan, S D & Tas, O (2019) Investor attention and stock returns: Evidence from
Borsa Istanbul Borsa Istanbul Review, 19, 2, 106-116.
49 Tanaya, O & Suyanto, S Investor Attention and Broard Market Index: Evidence from Indonesia Composite Index The 18th International Symposium on Management, 2021 Indonesia Atlantis Press, 6-10.
50 Treisman, A (1969) Strategies and models of selective attention Psychological
51 Vozlyublennaia, N (2014) Investor attention, index performance, and return predictability The Journal of Banking and Finance, 41, 17-35.
52 Yuan, Y (2015) Market-wide attention, trading, and stock returns Journal of
1 Nguyễn Phúc Cảnh, Christophe Schinckus và Nguyễn Hong Vũ Thái (2019),
"Google search and stock returns in emerging markets", Borsa Istanbul Review.
2 Trần Thị Hải Lý (2010), "Hành vi bay đàn trên thị trường chứng khoán Việt Nam: nguyên nhân và một số giải pháp", Tạp chí Tài chính & Phát triển 5, tr 18-25.
3 Nguyễn Dư và Phạm Minh (2019), "Search-based sentiment and Stock market reactions: A empirical evidence in Vietnam”, Journal oƒ Asian Finance, Economics and Business 5(4), tr 45-56.
4 Nguyễn Hữu Huy Nhựt, Nguyễn Khắc Quốc Bảo và Trần Nguyễn Huy Nhân
(2015), "Nghiên cứu tác động của thông tin đến độ bất ổn giá chứng khoán ở Việt Nam”, Tạp chí Phát triển kinh tế 26(3), tr 27-48.
Luật, quy định, thông tư
1 Bộ Tài Chính Việt Nam (2007), Thông tư hướng dẫn về việc công bố thông tin trên thị trường chứng khoán, 38/2007/TT-BTC, chủ biên.
2 Bộ Tài Chính Việt Nam (2012), Thông tư hướng dẫn về việc công bố thông tin trên thị trường chứng khoán, 52/2012/TT-BTC, chủ biên.
3 Bộ Tài Chính Việt Nam (2015), Thông tư hướng dẫn công bố thông tin trên thị trường chứng khoán, 155/2015/TT-BTC, chủ biên.
4 Quốc hội Việt Nam (2019), Luật Chứng Khoán số 54/2019/QH14, chủ biên.
5 Quốc hội Việt Nam (2006), Luật Chứng Khoán số 60/2006/QH11, chủ biên.
6 Quốc hội Việt Nam (2015), Luật Kế Toán số 88/2015/QH13, chủ biên.
7 Quốc hội Việt Nam (2003), Luật của Quốc hội Nước Cộng hòa Xã hội Chủ nghĩa
Việt Nam số 03/2003/QH11 ngày 17 tháng 6 năm 2003 về Kế Toán, chủ biên.
1 Bộ Tài Chính: https://mof.gov.vn/webcenter/portal/btcvn
Cổ phiếu 68: https://www.cophieu68.vn/
Fushion Media - Investing.com: https://vn.investing.com/
Google Trend: https://trends.google.com.vn/trends
Sở Giao dịch Chứng khoán Hà Nội: https://www.hnx.vn/vi-vn/
Sở Giao dịch Chứng khoán Tp Hồ Chí Minh: https://www.hsx.vn/
Tổng Cục Thống Kê: https://www.gso.gov.vn/ oN DM FWD Trading view - Theo dõi thị trường: https://vn.tradingview.com
KẾT QUẢ PHÂN TÍCH TỪ PHẦN MỀM EVIEWS 10
1 Kiểm định tính dừng (Unit Root Test)
Null Hypothesis: R_VNINDEX has a unit root Exogenous: Constant
Lag Length: 2 (Automatic - based on AIC, maxlag) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.70022 0.0000
Null Hypothesis: GSV_VNINDEX has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on AIC, maxlag) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.72384 0.0000
Null Hypothesis: R_VN30 has a unit root Exogenous: Constant
Lag Length: 2 (Automatic - based on AIC, maxlag) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -11.56841 0.0000
Null Hypothesis: GSV2 has a unit root Exogenous: Constant
Lag Length: 0 (Automatic - based on AIC, maxlag) t-Statistic Prob.*
Augmented Dickey-Fuller test statistic 11.58998 0.0000
2 Kiểm định lựa chọn độ trễ (Lags Lenth Criteria)
VAR Lag Order Selection Criteria Endogenous variables: R.VNINDEX GSV_VNINDEX Exogenous variables: C
Lag LogL LR FPE AIC SC
VAR Lag Order Selection Criteria Endogenous variables: R_VN30 GSV2 Exogenous variables: C
Pairwise Granger Causality Tests Date: 04/20/23 Time: 13:20
Lag LogL LR FPE AIC
3 Kiểm định nhân quả (Granger Causality Test)
Null Hypothesis: Obs Statistic Prob.
GSV_VNINDEX does not Granger Cause
R_VNINDEX 311 5.19832 0.0060 R_VNINDEX does not Granger Cause GSV_VNINDEX 0.90381 0.4061
Null Hypothesis: Obs Statistic Prob.
GSV_VNINDEX does not Granger Cause
R_VNINDEX 309 4.72229_ 0.0010 R_VNINDEX does not Granger Cause GSV_VNINDEX 1.72198 0.1450
Null Hypothesis: Obs Statistic Prob.
GSV_VNINDEX does not Granger Cause
R_VNINDEX 307 3.02721 0.0069 R_VNINDEX does not Granger Cause GSV_VNINDEX 1.48803 0.1819
Pairwise Granger Causality Tests Date: 04/20/23 Time: 13:21
Null Hypothesis: Obs F-Statstic Prob.
GSV_VN30 does not Granger Cause 0.088 R_VN30 311 2.43962 9
0.509 R_VN30 does not Granger Cause GSV_VN30 0.67504 9
Null Hypothesis: Obs F-Statistic Prob.
GSV_VN30 does not Granger Cause R_VN30 309 2.79487 0.0264 R_VN30 does not Granger Cause GSV_VN30 1.82446 0.1240
Null Hypothesis: Obs Statistic Prob.
GSV_VN30 does not Granger Cause 0.064 R_VN30 307 2.01075 2
0.231 R_VN30 does not Granger Cause GSV_VN30 1.35881 1
4 Mô hình tự hồi quy VAR
Vector Autoregression Estimates Date: 04/20/23 Time: 13:23
Sample (adjusted): 1/31/2016 12/26/2021 Included observations: 309 after adjustments Standard errors in ( ) & t-statistics in [ ]
Schwarz SC -4.203070 2.816263 Mean dependent 0.003268 -0.006332 S.D dependent 0.028479 1.003305
Determinant resid covariance (dof adj.) 0.000626
Determinant resid covariance 0.000590 Log likelihood 271.8195 Akaike information criterion -1.642845 Schwarz criterion -1.425368 Number of coefficients 18
Date: 04/20/23 Time: 13:24 Sample (adjusted): 1/31/2016 12/26/2021 Included observations: 309 after adjustments Standard errors in ( ) & t-statistics in [ ]
F-statistic 2.131843 8.870980 Log likelihood 659.5883 103.4417 Akaike AIC -4.210927 -0.611273 Schwarz SC -4.102189_ -0.502535 Mean dependent 0.003207 -0.013238 S.D dependent 0.029474 0.192836
Determinant resid covariance (dof adj.) 2.54E-05 Determinant resid covariance 2.39E-05 Log likelihood 766.9546 Akaike information criterion -4.847603 Schwarz criterion -4.630127 Number of coefficients 18
5 Kiểm định ổn định mô hình VAR
Inverse Roots of AR Characteristic Polynomial for VN-INDEX
Inverse Roots of AR Characteristic Polynomial for VN30
6 Kiểm định tự tương quan
VAR Residual Serial Correlation LM Tests Date: 04/20/23 Time: 13:32
Null hypothesis: No serial correlation at lag h
Lag LRE*stat df Prob Rao F-stat df Prob.
VAR Residual Serial Correlation LM Tests Date: 04/22/23 Time: 02:04
Null hypothesis: No serial correlation at lag h
Lag LRE* stat df Prob Rao F-stat df Prob.
7 Phản ứng đẩy Cholesky (Impulse Response)
Response to Cholesky One S.D (d.f adjusted) Innovations + 2 S.E.
Response of R_VNINDEXto R_VNINDEX Response of R_VNINDEXto GSV_VNINDEX
Response to Cholesky One S.D (d.f adjusted) Innovations + 2 S.E.
Response of GSV_VNINDEX to R_VNINDEX
Response of R_VN30 to R_VN30
Response of GSV_VN30 to R_VN30
Response of R_VN30 to GSV_VN30
Variance Decomposition using Cholesky (d.f adjusted) Factors
Variance Decomposition of GSV_VNINDEX
Variance Decomposition using Cholesky (d.f adjusted) Factors
Variance Decomposition of GSV_VN30
9 Mô hình hồi quy OLS
Dependent Variable: R_VNINDEX Method: Least Squares
Date: 04/23/23 Time: 13:56 Sample (adjusted): 1/03/2016 11/28/2021 Included observations: 309 after adjustments
R_VNINDEX(4) 0.071031 0.071999 0.986554 0.3247 GSV_VNINDEX(1) 1.00E-05 0.001814 0.005523 0.9956 GSV_VNINDEX(2) -0.000560 0.001904 -0.294364 0.7687 GSV_VNINDEX(3) 0.000294 0.001895 0.155401 0.8766
R-squared 0.075825 Mean dependent var 0.003099 Adjusted R-squared 0.038359 S.D dependent var 0.028545
Akaike info criterion -4.272594Schwarz criterion -4.115528Hannan-Quinn criter -4.209799Durbin-Watson stat 1.983773
Dependent Variable: R_VN30 Method: Least Squares
Date: 04/23/23 Time: 14:00 Sample (adjusted): 1/03/2016 11/28/2021 Included observations: 309 after adjustments
GSV_VN30(1) -0.002815 0.009758 -0.288440 0.7732 GSV_VN30(2) -0.003622 0.010343 = -0.350154 0.7265 GSV_VN30(3) 0.003047 0.010310 0.295544 0.7678 GSV_VN30(4) 0.020254 0.009677 2.092993 0.0372 GSV_VN30*R_VN30
S.D dependent var Akaike info criterion Schwarz criterion