Nghiên cứu và ứng dụng mô hình định giá tài sản vốn cho thị trường chứng khoán Việt Nam

Header Page of 126 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG PHẠM VĂN SƠN NGHIÊN CỨU VÀ ỨNG DỤNG MÔ HÌNH ĐỊNH GIÁ TÀI SẢN VỐN CHO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM Chuyên ngành: Tài – Ngân hàng Mã số: 60.34.20 TÓM TẮT LUẬN VĂN THẠC SĨ QUẢN TRỊ KINH DOANH Đà Nẵng – Năm 2010 Footer Page of 126 Header Page of 126 Công trình ñược hoàn thành ĐẠI HỌC ĐÀ NẴNG Người hướng dẫn khoa học: TS Võ Thị Thúy Anh Phản biện 1: PGS TS Nguyễn Ngọc Vũ Phản biện 2: TS Lê Công Toàn Luận văn ñã ñược bảo vệ Hội ñồng chấm Luận văn tốt nghiệp thạc sĩ Tài – Ngân hàng họp Đại học Đà Nẵng vào ngày 20 tháng 10 năm 2010 Có thể tìm hiểu Luận văn tại: - Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng - Thư viện trường Đại học Kinh tế, Đại học Đà Nẵng Footer Page of 126 -1- Header Page of 126 Phần mở ñầu Tính cấp thiết ñề tài Đã 10 năm kể từ Trung tâm Giao dịch chứng khoán TP HCM (nay Sở Giao dịch chứng khoán TP.HCM) ñi vào hoạt ñộng Từ mã chứng khoán niêm yết ban ñầu REE SAM, cho ñến (ngày 25/03/2010) toàn thị trường ñã có 278 loại chứng khoán ñược niêm yết, ñó có 216 cổ phiếu với tổng giá trị vốn hóa ñạt 106.088.905,90 triệu ñồng, ñặc biệt có doanh nghiệp có vốn ñầu tư nước tham gia niêm yết, 04 chứng quỹ ñầu tư với khối lượng 252,055 triệu ñơn vị 58 trái phiếu loại Có thể nói hoạt ñộng ñầu tư vào chứng khoán vốn Việt Nam phổ biến ñối với người dân ñô thị Tuy nhiên, “thực trạng” hoạt ñộng ñầu tư phần ñông nhà ñầu tư mua bán theo cảm tính, ñịnh ñầu tư ña phần chịu ảnh hưởng thông tin ngắn hạn Chính mà thị trường chứng khoán Việt Nam có tính ñột biến cao giá Điều chưa tốt xét khía cạnh ổn ñịnh phát triển bền vững TTCK Làm ñể giảm thiểu rủi ro, ño lường rủi ro ổn ñịnh TSLT câu hỏi thường trực nhà ñầu tư Trên giới, nhà nghiên cứu ñã vận dụng phát triển nhiều mô hình ñịnh giá tài sản vốn CAPM, CAPM ña biến, APT, … Trong mô hình này, tồn số nhược ñiểm mô hình CAPM mô hình ñơn giản, dễ dàng vận dụng nên ñược sử dụng phổ biến Tuy nhiên, kết mô hình phụ thuộc vào quy luật phân phối TSLT, nghĩa không xác ñịnh xác quy luật phân phối TSLT mô hình ước lượng ñược không hiệu Trong TTCK TTCK Việt Nam, luật phân phối TSLT chứng khoán thường không tuân thủ luật phân phối chuẩn quy luật phân phối TSLT ảnh hưởng lớn ñến kết ước lượng kiểm ñịnh tính hiệu lực mô hình CAPM Chính vậy, việc nghiên cứu, ứng dụng kiểm ñịnh mô hình CAPM cho TTCK Việt Nam cần thiết nhằm cung cấp quy trình Footer Page of 126 -2- Header Page of 126 tiêu chuẩn kiểm ñịnh cho việc nghiên cứu, ứng dụng mô hình CAPM thực tế Mục ñích nghiên cứu Hệ thống hóa lý luận mô hình ñịnh giá tài sản vốn ñối với thị trường chứng khoán Trên sở ñó vận dụng mô hình cho TTCK Việt Nam Kiểm ñịnh ñộ tin cậy mô hình CAPM TTCK Việt Nam Từ ñó rút kết luận phương pháp ước lượng, kiểm ñịnh tính hiệu lực mô hình xác ñịnh mô hình CAPM phiên áp dụng cho TTCK Việt Nam Đối tượng phạm vi nghiên cứu Đề tài tập trung vào việc vận dụng kiểm ñịnh mô hình ñịnh giá tài sản vốn cho thị trường chứng khoán Việt Nam Tuy nhiên, ñề tài dừng lại cách tiếp cận chuỗi thời gian sử dụng phương pháp ước lượng hiệu quả, ổn ñịnh phù hợp với ñặc thù thị trường chứng khoán dựa liệu chuỗi thời gian Đề tài tập trung xác ñịnh hệ số Beta chứng khoán với danh mục thị trường số VN Index Đề tài sử dụng liệu hàng tháng 20 công ty niêm yết SGDCK TP.HCM ñáp ứng ñủ 60 quan sát (từ tháng 6/2005 ñến tháng 5/2010) Phương pháp nghiên cứu Đề tài sử dụng phương pháp thống kê; phương pháp phân tích tổng hợp; phương pháp ước lượng thích hợp cực ñại (FIML) Mô-men tổng quát (GMM) Ý nghĩa khoa học thực tiễn ñề tài Một hệ thống hóa lý thuyết liên quan ñến mô hình ñịnh giá tài sản vốn (CAPM) cho hai phiên Sharpe (1964) – Lintner (1965b) Black (1972) Hai hệ thống hóa qui trình với phương pháp ước lượng kiểm ñịnh mô hình ñịnh giá tài sản vốn phù hợp với ñặc thù thị trường chứng khoán mới, ñó liệu không tuân thủ giả ñịnh phân phối liên tục, ñộc lập, ñồng chuẩn Footer Page of 126 -3- Header Page of 126 Ba sở kiểm ñịnh phù hợp mô hình ñối với liệu công ty niêm yết thị trường chứng khoán Việt Nam; Ước lượng hệ số Beta cho số cổ phiếu tiêu biểu ñể người ñầu tư sử dụng xác ñịnh giá trị cổ phiếu ñầu tư vào thị trường chứng khoán Việt Nam; Tạo sở ban ñầu cho trình ñầu tư người ñầu tư lý trí Bốn ñúc kết kinh nghiệm trình nghiên cứu thực nghiệm mô hình thị trường chứng khoán Việt Nam, tạo ñiều kiện thuận lợi cho nghiên cứu tương tự tương lai Cấu trúc luận văn Ngoài phần mở ñầu phần kết luận, luận văn gồm có chương: Chương 1: Tổng quan mô hình ñịnh giá tài sản vốn Trong chương này, ñề tài tổng hợp kiến thức lý luận liên quan ñến mô hình giới thiệu phiên khác mô hình ñịnh giá tài sản vốn phiên Sharpe – Lintner, phiên Black với việc tổng hợp nghiên cứu có liên quan Việt Nam Chương 2: Ước lượng kiểm ñịnh mô hình CAPM Nội dung chủ yếu chương vận dụng hai phương pháp (FIML GMM) ñể ước lượng kiểm ñịnh mô hình CAPM CAPM Beta không (CAPM Beta zero) Trong ñó, phương pháp ước lượng thích hợp cực ñại sử dụng tình chuỗi liệu tuân thủ giả ñịnh phân phối liên tục, ñộc lập, ñồng chuẩn phương pháp Mô-men tổng quát sử dụng trường hợp liệu không ñáp ứng giả ñịnh phân phối liên tục, ñộc lập, ñồng chuẩn Chương 3: Vận dụng mô hình CAPM TTCK Việt Nam Trên sở chương trước, chương tập trung vào việc ước lượng kiểm ñịnh mô hình CAPM ñối với chứng khoán ñáp ứng ñủ số lượng quan sát thị trường chứng khoán Việt Nam Footer Page of 126 -4- Header Page of 126 Chương Tổng quan mô hình ñịnh giá tài sản vốn 1.1 Lý thuyết thị trường vốn (Capital Market Theory) 1.1.1 Các giả ñịnh lý thuyết thị trường vốn 1.1.2 Tài sản phi rủi ro 1.1.3 Đường thị trường vốn (Capital Market Line) 1.1.4 Danh mục thị trường 1.1.5 Đa dạng danh mục ñầu tư 1.2 Mô hình ñịnh giá tài sản vốn (CAPM) 1.2.1 Mô hình CAPM phiên Sharpe – Lintner Từ phiên Sharpe - Lintner, có thu nhập kỳ vọng tài sản i: E[Ri] = Rf + βim(E[Rm] – Rf), Cov(Ri, Rm) βim = Var[Rm] với Rm thu nhập danh mục thị trường Rf thu nhập tài sản phi rủi ro Đặt Zi thu nhập vượt trội (phần bù rủi ro) tài sản thứ i so với lãi suất phi rủi ro, Zi = Ri – Rf Ta có mô hình CAPM Sharpe Lintner sau: E[Zi] = βimE[Zm], Cov(Zi, Zm) βim = Var[Zm] với Zm thu nhập vượt trội danh mục thị trường 1.2.2 Mô hình CAPM Beta zero phiên Black Trong ñiều kiện không tồn tài sản phi rủi ro, Black (1972) tìm thấy phiên tổng quát mô hình CAPM Thu nhập kỳ vọng tài sản i: E[Ri] = E[R0m] + βim(E[Rm] – E[R0m]) Trong ñó Rm thu nhập danh mục thị trường R0m thu nhập danh mục có beta ñôi tương ứng với danh mục thị trường (m) Cov(Ri, Rm) βim = Var[Rm] Footer Page of 126 -5- Header Page of 126 Các phân tích xem khoản thu nhập danh mục có beta giá trị quan sát ñược Đối với mô hình có: E[Ri] = αim + βimE[Rm] Và ñề xuất phiên Black αim = E[R0m](1- βim) ∀i 1.2.3 Những ứng dụng mô hình CAPM - Hệ số beta mô hình CAPM ñược sử dụng ñể phân tích dự báo rủi ro công ty TTCK Khi ñã xác ñịnh ñược hệ số beta cho công ty TTCK người ñầu tư bên liên quan có thêm thước ño ñể ño lường dự báo rủi ro công ty - Xác ñịnh tỷ suất lợi tức yêu cầu ñầu tư vốn vào công ty cách ước lượng E(Ri) công ty từ liệu thị trường - Xác ñịnh tỷ suất lợi tức kỳ vọng mô hình CAPM sử dụng làm lãi suất chiết khấu 1.3 Tổng quan nghiên cứu có liên quan ñến việc ước lượng kiểm ñịnh mô hình CAPM 1.3.1 Tổng quan nghiên cứu chủ yếu có liên quan ñến việc ước lượng kiểm ñịnh mô hình CAPM giới 1.3.2 Tổng quan nghiên cứu có liên quan ñến việc ước lượng kiểm ñịnh mô hình CAPM Việt Nam Tổng kết nghiên cứu ñã thực VN, có kết luận sau: Một tất nghiên cứu dừng lại mô hình CAPM, phiên Sharpe – Lintner, ước lượng mô hình phương pháp ước lượng OLS sau ñó kiểm ñịnh giả thiết mô hình hồi quy Hai chuỗi tỷ suất lợi tức không tuân thủ qui luật phân phối chuẩn tác giả ñều sử dụng luật số lớn ñể cho chuỗi tỷ suất lợi tức tuân thủ qui luật phân phối chuẩn gia tăng kích thước mẫu Tuy nhiên qua thực tế kiểm ñịnh, ñiều không chắn ñúng với tỷ suất lợi tức chứng khoán niêm yết SGDCK TP.HCM Do ñó, nghiên cứu bỏ qua vấn ñề nghiêm trọng kiểm ñịnh Footer Page of 126 -6- Header Page of 126 giả thuyết mô hình hồi quy ước lượng bị chệch không hiệu Chính kết luận nghiên cứu có tồn mô hình CAPM SGDCK TP.HCM kết nghiên cứu ñề tài không ñủ sở ñể chấp nhận Do ñó cần phải thực lại việc ước lượng kiểm ñịnh mô hình Chương Ước lượng kiểm ñịnh mô hình CAPM 2.1 Khi liệu tuân thủ luật phân phối liên tục, ñộc lập, ñồng chuẩn 2.1.1 Ước lượng mô hình CAPM phiên Sharpe – Lintner phương pháp thích hợp cực ñại (FIML) 2.1.1.1 Ước lượng mô hình Zt vectơ (có kích thước N x1) khoản thu nhập vượt trội N tài sản (hoặc danh mục tài sản) Chúng ta có mô hình Zt = α+ β Zmt + εt, với β vectơ có kích thước N x beta, Zmt thu nhập vượt trội danh mục thị trường thời kỳ t α, εt véctơ có kích thước N x hệ số chặn thu nhập từ tài sản yếu tố nhiễu Trong phiên Sharpe – Lintner, ñịnh nghĩa lại µ thu nhập vượt trội kỳ vọng Hệ mô hình CAPM Sharpe – Lintner tất phần tử véctơ α ñều Chúng ta dùng phương pháp thích hợp cực ñại ñể ước lượng hệ số mô hình không ràng buộc với giả ñịnh thu nhập vượt trội có hàm mật ñộ phân phối xác suất chuẩn, liên tục.Chúng ta giải ñược tham số ước lượng thích hợp cực ñại Đó T αˆ = µˆ − βˆµˆ , ˆ ∑ t = (Z t − µˆ )(Z mt − µˆ m ) , β = m ∑ˆ = T ∑ (Z t )( − µˆ m ) T t =1 T t =1 ∑ (Z mt ) ' − αˆ − βˆ Z mt Z t − αˆ − βˆ Z mt Footer Page of 126 -7- Header Page of 126 Với µˆ = T T ∑Z t =1 µˆ m = t T T ∑Z t =1 mt Khi xuất ràng buộc (α = 0) tham số ước lượng β Σ mô hình ràng buộc ∑ ∑ T βˆ * = t =1 T Z t Z mt Z t =1 ∑ (Z mt )( t =1 ) ′ − βˆ * Z mt Z t − βˆ * Z mt , T ∑ˆ * = T , t Phân phối tham số ước lượng ràng buộc theo giả thuyết H0     1 βˆ * ~ N  β ,  ∑ , ˆ T µ σˆ m2   + m   ˆ * ~ W (T − 1, ∑ ) T ∑ N 2.1.1.2 Kiểm ñịnh tính hiệu lực mô hình CAPM Sử dụng tham số ước lượng không ràng buộc, thiết lập thống kê kiểm ñịnh Wald với cặp giả thiết sau : Giả thiết H0: α = ñối thiết H1: α ≠ −1   Thống kê Wald J = αˆ ′[Var[αˆ ]]−1 αˆ = T 1 + µˆ m  αˆ ′ ∑ −1 αˆ  σˆ m  với giả thiết H0, J0 tuân thủ phân phối Chi bình phương với N bậc tự Khi mẫu nhỏ, sử dụng tiêu chuẩn kiểm ñịnh J1 = (T µˆ m2  − N − 1)  +   N σˆ m2   −1 αˆ ′ ∑ −1 αˆ Theo giả thuyết 0, J1 phân phối vô ñiều kiện, trung tâm phân phối F với N bậc tự tử số (T-N-1) bậc tự mẫu số Khi ñã có hai loại tham số ước lượng thích hợp cực ñại (ràng buộc không ràng buộc), kiểm ñịnh giới hạn mô hình Sharpe – Lintner cách sử dụng kiểm ñịnh tỷ lệ thích hợp Ký hiệu LR tỷ lệ logarit thích hợp, có : LR = L* - L = − T log ∑ˆ * − log ∑ˆ [ ] Trong ñó L* ñại ñiện cho hàm logarit thích hợp phụ thuộc [ J = − LR = T log ∑ˆ * − log ∑ˆ Footer Page of 126 ]~ χ a N -8- Header Page 10 of 126 Theo giả thiết H0, luật phân phối mẫu xác ñịnh J2 khác biệt so với luật phân phối ñối với mẫu lớn Jobson Korkie (1982) ñã ñiều chỉnh ñối với J2 có ñặc tính mẫu xác ñịnh tốt Đặt J3 giá trị thống kê ñã ñiều chỉnh, có: N   − 2 T −   J =  T − N −  log ∑ ˆ * − log ∑ ˆ J3 =   T   [ ] a ~ χ N2 2.1.2 Ước lượng mô hình CAPM Beta zero phiên Black phương pháp thích hợp cực ñại (FIML) 2.1.2.1 Ước lượng mô hình Trong ñiều kiện tài sản phi rủi ro, xem xét mô hình Black Thu nhập kỳ vọng danh mục beta zero, E[R0m] ñược xem danh mục quan sát trở thành tham số chưa ñược xác ñịnh mô hình Ký hiệu thu nhập kỳ vọng danh mục beta zero γ mô hình Black E[Rt] = ιγ + β(E[Rmt] – γ) = (ι – β)γ + β.E[Rmt] Với mô hình Black, mô hình không ràng buộc mô hình thu nhập thực thị trường Định nghĩa Rt véctơ có kích thước (N x 1) thu nhập thực từ N tài sản danh mục tài sản Từ tài sản này, mô hình thu nhập thực thị trường Rt = α+ βRmt + εt , với β véctơ beta tài sản có kích thước (N x 1), Rmt thu nhập danh mục thị trường thời kỳ t α, εt véctơ có kích thước (N x 1) hệ số chặn thu nhập yếu tố nhiễu Có thể dễ dàng xác ñịnh ñược hệ mô hình Black cách so sánh kỳ vọng không ñiều kiện hai mô hình Đó α = (ι – β)γ Sử dụng phương pháp thích hợp cực ñại, có tham số ước lượng sau αˆ = µˆ − βˆµˆ m , βˆ = ∑ T t =1 ( R t − µˆ )( R mt − µˆ m ) ∑ T t =1 ( R mt Footer Page 10 of 126 − µˆ m ) , - 10 - Header Page 12 of 126 Khi α dần tham số ước lượng ràng buộc ∑ Tt= ( R t − γ t )(R mt − γ ) , βˆ * = ∑ ∑ˆ * = T T t =1 ∑ (R T t =1 t (R mt − γ )2 )( ) ′ − γ ( t − βˆ * ) − βˆ * R mt R t − γ ( t − βˆ * ) − βˆ * R mt Thiết lập hàm logarit tỷ lệ thích hợp, ta có LR ( γ ) = L * ( γ ) − L = − [ ) ) T log ∑ * ( γ ) − log ∑ ] Giá trị γ mà làm cực tiểu hàm logarit tỷ lệ thích hợp giá trị làm cực ñại hàm logarit thích hợp phụ thuộc Do ñó giá trị tham số ước lượng thích hợp cực ñại γ Chúng ta từ γˆ * ñể tính ˆ * ñược βˆ * ∑ 2.1.2.2 Kiểm ñịnh tính hiệu lực mô hình CAPM Beta zero Khi ñã có tham số ước lượng thích hợp cực ñại ràng buộc không ràng buộc thiết lập thống kê kiểm ñịnh tỷ lệ thích hợp tiệm cận H0 Giả thiết H0 giả thiết khác ñược xác ñịnh: H0: α = ( ι- β )γ H1: α ≠ (ι - β)γ Kiểm ñịnh tỷ lệ thích hợp J4 ñược xác ñịnh giá trị thống kê kiểm ñịnh, có J [ ) = T log ∑ * ) − log ∑ ] ~ χ N −1 Chúng ta có trị thống kê kiểm ñịnh ñiều chỉnh J5 [ ) ) J = (T − N − ) log ∑ * − log ∑ ] ~ χ N2 −1 2.1.3 Kiểm ñịnh giả thiết thống kê ñối với mô hình Ngoài việc kiểm ñịnh giả thiết thống kê ñối với β, ñề tài trình bày phương pháp tiêu chuẩn kiểm ñịnh ổn ñịnh β theo thời gian Thông qua việc chia mẫu quan sát mẫu Một mẫu dùng ñể ước lượng mẫu lại dùng ñể ñối chiếu 2.2 Khi liệu không tuân thủ luật phân phối chuẩn ñộc lập, ñồng Trong phương pháp GMM, phân phối chuỗi thu nhập phụ thuộc vào thu nhập thị trường kỳ phụ thuộc phương sai sai số thay ñổi theo thời gian Chúng ta cần giữ lại giả ñịnh thu nhập vượt trội dừng suy thoái với Mô-men bậc bốn hữu hạn Footer Page 12 of 126 - 11 - Header Page 13 of 126 2.2.1 Ước lượng mô hình CAPM phương pháp GMM Chúng ta tiếp tục với T quan sát theo thời gian N tài sản Chúng ta cần thiết lập vectơ Mô-men ñiều kiện với kỳ vọng toán không Mômen ñiều kiện cần thiết lập từ mô hình thu nhập vượt trội thị trường Vectơ phần dư mô hình cung cấp N Mô-men ñiều kiện tích số thu nhập vượt trội thị trường vectơ phần dư cung cấp N Mô-men ñiều kiện khác Chúng ta có ft(θ) = ht ⊗ εt Trong ñó: h’t = [1 Zmt], εt= Zt - α - βZmt θ’ = [α’β’] ) Tham số ước lượng GMM θ ñược xác ñịnh ñể tối thiểu phương trình toàn phương QT(θ) = gT(θ)’WgT(θ) Các tham số ước lượng αˆ = µˆ − βˆµˆ m , ∑ (Z − µˆ )(Z − µˆ ) ∑ (Z − µˆ ) T βˆ = t =1 t mt m T t =1 mt m 2.2.2 Kiểm ñịnh tính hiệu lực mô hình Khi liệu không tuân thủ luật phân phối chuẩn, ñộc lập ñồng nhất, sử dụng phương pháp ước lượng OLS hay FIML ước lượng bị chệch tham số ước lượng ước lượng hiệu Vấn ñề quan trọng cách tiếp cận theo phương pháp GMM ma trận hiệp phương sai ước lượng ñược xác ñịnh không chệch ) ) hiệu Phương sai α β khác với phương sai hệ số phương pháp thích hợp cực ñại Ma trận phương sai ) tham số ước lượng θ phương pháp GMM V = [D0’S0-1D0]-1 Trong ñó: +∞ ′  ∂ g T ( θ )  S = D = E ∑ E  f t (θ ) f t − l (θ )      ∂θ ′ l = −∞ )   Phân phối tiệm cận θ phân phối chuẩn )a Do ñó ta có θ ~ N (θ , [D ′0 S -1 D ] -1 T µ  m với D = −  o µ  m (σ m ) + µ m2  ) [[ Trị thống kê kiểm ñịnh J = Tα ′ R DT' S T−1 DT a giả thiết H0 J ~ χ N2 Footer Page 13 of 126 ] −1 ] −1 ) R ′ α Với - 12 - Header Page 14 of 126 Ngoài ra, chúng kiểm giả thiết ñối với α β phương pháp FIML Chương Vận dụng mô hình CAPM TTCK Việt Nam 3.1 Giới thiệu TTCK Việt Nam liệu mô hình 3.1.1 Giới thiệu TTCK Việt Nam 3.1.2 Mô tả liệu phương pháp thu thập, xử lý liệu 3.1.2.1 Dẫn nhập Tại SGDCK TP.HCM tính ñến hết tháng năm 2010, có 20 chứng khoán ñáp ứng ñược ñiều kiện số quan sát 60 tháng Do ñó, ñề tài thu thập sử dụng liệu 20 chứng khoán ñể ước lượng kiểm ñịnh 3.1.2.2 Thống kê mô tả chứng khoán sử dụng ñể ước lượng 3.2 Vận dụng mô hình CAPM phiên Sharpe – Lintner 3.2.1 Kiểm ñịnh việc tuân thủ luật phân phối chuẩn chuỗi tỷ suất sinh lợi vượt trội Sử dụng ñồng thời tiêu chuẩn kiểm ñịnh: Jarque – Bera, Cramer – von, Watson, Anderson – Darling ñể kiểm ñịnh phân phối chuỗi TSLT có tuân thủ luật phân phối chuẩn hay không Đề tài chấp nhận TSLT CK danh mục thị trường tuân thủ qui luật phân phối chuẩn tiêu chuẩn kiểm ñịnh ñều chấp nhận Chúng ta thấy chuỗi TSLT chứng khoán, có chuỗi TSLT chứng khoán không tuân thủ theo qui luật phân phối chuẩn (BT6, DHA, HAS, KHA, MHC, REE, SAV TRI) lại ñều tuân thủ qui luật phân phối chuẩn Do ñó sử dụng phương pháp ước lượng thích hợp cực ñại - FIML ñối với mô hình CAPM phiên Sharpe – Lintner không ước lượng ñối với chứng khoán ñể ñảm bảo tuân thủ giả ñịnh phương pháp ước lượng 3.2.2 Kiểm ñịnh tính dừng ñối với chuỗi TSLT vượt trội Như ñã trình bày kết luận chương 2, ñể tránh trường hợp hồi qui giả mạo, thực hồi qui hai biến chuỗi thời gian chuỗi liệu biến phải có tính dừng Một trình ngẫu nhiên ñược xem Footer Page 14 of 126 - 13 - Header Page 15 of 126 có tính dừng trung bình phương sai trình ñó không thay ñổi theo thời gian giá trị hiệp phương sai hai thời ñoạn phụ thuộc vào khoảng cách hay ñộ trễ thời gian hai thời ñoạn không phụ thuộc vào thời ñiểm thực tế mà hiệp phương sai ñược tính Qua liệu bảng 3-3, thấy có ñến 15/21 chuỗi TSLT có xác suất sai lầm bác bỏ giả thiết H0 cho chuỗi liệu có tính dừng xấp xỉ Đối với chuỗi lại gồm Zm, ZNKD, ZREE, ZSAM, ZSFC ZTS4 xác suất ñạt mức lớn (trên 99,9%) Do ñó, khẳng ñịnh toàn 21 chuỗi liệu thời gian nói ñều có tính dừng 3.2.3 Ước lượng mô hình CAPM phiên Sharpe – Lintner phương pháp FIML 3.2.3.1 Kết ước lượng ñối với mô hình không ràng buộc Ước lượng mô hình (2.1) Zt = α+ β Zmt + εt ñối với 12 chứng khoán có TSLT tuân thủ luật phân phối chuẩn dừng thu ñược chuỗi phần dư từ mô hình ñể kiểm ñịnh giả thiết ñối với phần dư mô hình không ràng buộc 3.2.3.2 Kiểm ñịnh giả thiết ñối với phần dư mô hình không ràng buộc - Kiểm ñịnh việc tuân thủ qui luật PP chuẩn - Kiểm ñịnh tượng tự tương quan phần dư - Kiểm ñịnh tượng phương sai không ñồng ñối với phần dư Nếu phần dư mô hình không tuân thủ giả ñịnh thanm số ước lượng không ñảm bảo ước lượng BLUE ñó loại bỏ chứng khoán ñó khỏi mô hình ước lượng lại mô hình không ràng buộc Qua trình kiểm tra giả ñịnh mô hình hồi qui, kết luận phần dư mô hình không ràng buộc phiên Sharpe - Lintner tuân thủ phân phối chuẩn, ñộc lập ñồng ñược ñảm bảo Footer Page 15 of 126 - 14 - Header Page 16 of 126 ñối với mã chứng khoán: AGF, BBC, GIL, GMD, HAP, LAF, SAM, SFC, SSC, TMS TS4 3.2.3.3 Kết ước lượng ñối với mô hình CAPM Chúng ta ước lượng mô hình CAPM: Zt = βZmt + εt Sau ñó thông qua kiểm ñịnh Student ñể loại bỏ CK có hệ số β=0 ước lượng lại mô hình Kết sau Bảng 3-9: Giá trị ước lượng hệ số mô hình CAPM phiên Sharpe – Lintner theo phương pháp FIML Chứng khoán Hệ số β Giá trị ước lượng Trị thống kê T Prob AGF C(2) 0,6009 5,7340 BBC C(4) 0,7370 6,2741 GIL C(10) 0,6296 4,6295 GMD C(12) 0,6759 4,6073 HAP C(14) 0,8433 8,1960 LAF C(20) 0,9147 5,4413 SAM C(28) 0,5012 5,4592 SFC C(32) 0,6698 8,7307 SSC C(34) 0,4042 4,3920 TMS C(36) 0,8871 7,4891 3.2.3.4 Kiểm ñịnh hiệu lực mô hình CAPM phiên Sharpe Lintner Kiểm ñịnh Wald ñối với giả thiết α = cho phép kết luận ñối với mã chứng khoán nói trên, hệ số α mô hình ñều Điều có nghĩa mô hình CAPM phiên Sharpe – Lintner có hiệu lực Kiểm ñịnh tiêu chuẩn tỷ lệ thích hợp có kết Từ bảng 3-11, thấy xác suất sai lầm bác bỏ giả thiết H0 (α =0) cho mô hình CAPM hiệu lực hay hệ số α ≠ trị thống kê J0, J1, J2 J3 ñều lớn (trên 0.90) Chính vậy, kết luận mô hình CAPM phiên Sharpe – Lintner ñối với mã chứng khoán có hiệu lực Như vậy, mô hình CAPM phiên Sharpe – Lintner tồn ñối với chứng khoán nói Footer Page 16 of 126 - 15 - Header Page 17 of 126 Bảng 3-11: Kiểm ñịnh tỷ lệ thích hợp ñối với mô hình CAPM phiên Shaper - Lintner Hệ phương trình gồm: AGF, BBC, GIL, GMD HAP Tiêu chuẩn kiểm ñịnh Trị thống kê Prob Kết luận kiểm ñịnh 0,997 Mô hình có hiệu Kiểm ñịnh Wald - J0 0,305456 50 lựccó hiệu 0,988 Mô hình Kiểm ñịnh Fisher - J1 3,298925 90 lựccó hiệu 0,997 Mô hình Kiểm ñịnh tiệm cận - J2 0,285306 lựccó hiệu 0,998 Mô hình Kiểm ñịnh ñiều chỉnh - J3 0,268663 lực SFC, Hệ phương trình gồm: LAF, SAM, SSC, TMS TS4 Tiêu chuẩn kiểm ñịnh Trị thống kê Prob Kết luận kiểm ñịnh 0,851 Mô hình có hiệu Kiểm ñịnh Wald - J0 2,651061 20 lựccó hiệu 1,000 Mô hình Kiểm ñịnh Fisher - J1 23,41771 00 lựccó hiệu 0,985 Mô hình Kiểm ñịnh tiệm cận - J2 1,014421 lựccó hiệu 0,987 Mô hình Kiểm ñịnh ñiều chỉnh - J3 0,955246 lực 3.2.3.5 Kiểm ñịnh giả thiết ñối với hệ số β Kiểm ñịnh giả thiết β = tiêu chuẩn kiểm ñịnh Wald hay sử dụng kiểm ñịnh phía ñối với giả thiết β