Vận dụng mô hình CAPM trong đo lường rủi ro hệ thống các cổ phiếu ngành ngân hàng niêm yết trên HOSE

60 Chương 4 - KẾT QUẢ ĐO LƯỜNG RỦI RO HỆ THỐNG CỦA CÁC CỔ PHIẾU NGÀNH NGÂN HÀNG NIÊM YẾT TRÊN HOSE BẰNG MÔ HÌNH CAPM VÀ CÁC KHUYẾN CÁO ĐỐI VỚI NHÀ ĐẦU TƯ .... Số hiệu Tên bảng Trang 3.1

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi, được thực hiện trên cơ sở nghiên cứu, hệ thống hóa các lý thuyết có liên quan và dưới sự hướng dẫn khoa học của TS Võ Thị Thúy Anh

Các số liệu nêu trong luận văn có nguồn gốc rõ ràng và đã được công bố; kết quả nghiên cứu nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Tác giả luận văn

Bùi Thị Tuyết

MỞ ĐẦU 1

1 Tính cấp thiết của đề tài: 1

2 Mục tiêu nghiên cứu: 2

3 Câu hỏi nghiên cứu: 2

4 Đối tượng và phạm vi nghiên cứu: 3

5 Phương pháp nghiên cứu: 3

6 Ý nghĩa khoa học và thực tiễn của đề tài: 3

7 Cấu trúc của luận văn: 3

Chương 1 - CƠ SỞ LÝ LUẬN VỀ ĐO LƯỜNG RỦI RO HỆ THỐNG CỔ PHIẾU NGÀNH NGÂN HÀNG BẰNG MÔ HÌNH CAPM 5

1.1 ĐO LƯỜNG TỶ SUẤT LỢI TỨC VÀ RỦI RO: 5

1.1.1 Tỷ suất lợi tức và Đo lường tỷ suất lợi tức 5

1.1.2 Rủi ro và Đo lường rủi ro: 5

1.1.3 Rủi ro hệ thống: 8

1.2 RỦI RO HỆ THỐNG CỦA CỔ PHIẾU NGÀNH NGÂN HÀNG: 10

1.2.1 Đặc điểm của ngành ngân hàng: 10

1.2.2 Các nhân tố ảnh hưởng đến rủi ro hệ thống của ngân hàng: 11

1.2.3 Mức độ rủi ro hệ thống của ngành ngân hàng Việt Nam: 13

1.3 MÔ HÌNH CAPM 14

1.3.1 Khái quát về mô hình CAPM 14

1.3.2 Mô hình CAPM dựa trên giả định như những giả định của thị trường vốn 15 1.3.3 Mô hình CAPM 15

1.4 TÌNH HÌNH NGHIÊN CỨU CÓ LIÊN QUAN ĐẾN ĐỀ TÀI 16

1.4.1 Tổng quan về các nghiên cứu chủ yếu có liên quan đến việc ước lượng và kiểm định mô hình CAPM trên thế giới: 16

1.4.2 Tổng quan về các nghiên cứu chủ yếu có liên quan đến việc ước lượng và kiểm định mô hình CAPM tại Việt Nam: 18

2.1 PHƯƠNG PHÁP ƯỚC LƯỢNG THÍCH HỢP CỰC ĐẠI (FIML): 21

2.1.1 Điều kiện vận dụng: 21

2.1.2 Ước lượng Mô hình CAPM phiên bản của Sharpe và Lintner bằng phương pháp thích hợp cực đại (FIML): 21

2.1.3 Ước lượng Mô hình CAPM beta-zero phiên bản của Black bằng phương pháp thích hợp cực đại (FIML): 23

2.1.4 Kiểm định tính hiệu lực của mô hình: 25

2.2 PHƯƠNG PHÁP MÔ - MEN TỔNG QUÁT (GMM) 31

2.2.1 Điều kiện vận dụng: 31

2.2.2 Ước lượng mô hình CAPM bằng phương pháp GMM 32

2.2.3 Kiểm định tính hiệu lực đối với mô hình 33

Chương 3 - CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN RỦI RO HỆ THỐNG CÁC CỔ PHIẾU NGÀNH NGÂN HÀNG NIÊM YẾT TRÊN HOSE GIAI ĐOẠN 2009-2011 37

3.1 TỔNG QUAN VỀ THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM: 37

3.1.1 Quá trình hình thành và phát triển của Thị trường Chứng khoán: 37

3.1.2 Thị trường chứng khoán Việt Nam giai đoạn 2009-2011 40

3.2 CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN RỦI RO HỆ THỐNG CỦA NGÀNH NGÂN HÀNG VIỆT NAM GIAI ĐOẠN 2009-2011: 42

3.2.1 Đặc điểm ngành ngân hàng Việt Nam: 42

3.2.2 Các nhân tố ảnh hưởng đến rủi ro hệ thống của ngành ngân hàng Việt Nam giai đoạn 2009-2011: 44

3.3 MỨC ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ RỦI RO HỆ THỐNG ĐẾN CỔ PHIẾU NGÀNH NGÂN HÀNG NIÊM YẾT TRÊN HOSE GIAI ĐOẠN 2009-2011: 52

3.3.1 Sự biến động ngoài dự kiến của lãi suất 52

3.3.2 Sự biến động ngoài dự kiến của lạm phát: 54

3.3.5 Khủng hoảng kinh tế và khủng hoảng tài chính: 60

Chương 4 - KẾT QUẢ ĐO LƯỜNG RỦI RO HỆ THỐNG CỦA CÁC CỔ PHIẾU NGÀNH NGÂN HÀNG NIÊM YẾT TRÊN HOSE BẰNG MÔ HÌNH CAPM VÀ CÁC KHUYẾN CÁO ĐỐI VỚI NHÀ ĐẦU TƯ 62

4.1 MÔ TẢ DỮ LIỆU VÀ PHƯƠNG PHÁP XỬ LÝ DỮ LIỆU: 62

4.2 KẾT QUẢ KIỂM ĐỊNH CHUỔI TỶ SUẤT LỢI TỨC THỰC TẾ 64

4.3 KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH CAPM 65

4.3.1 Kết quả kiểm định Mô hình CAPM phiên bản của Sharpe và Lintner 65

4.3.2 Kết quả kiểm định Mô hình CAPM phiên bản của Black 66

4.4 KẾT QUẢ ƯỚC LƯỢNG HỆ SỐ BETA: 66

4.4.1 Kết quả ước lượng hệ số beta với phương pháp ước lượng FIML 66

4.4.2 Kết quả ước lượng hệ số beta với phương pháp ước lượng GMM 67

4.5 PHÂN TÍCH KẾT QUẢ: 67

4.6 CÁC KHUYẾN CÁO ĐỐI VỚI NHÀ ĐẦU TƯ: 69

KẾT LUẬN 77 TÀI LIỆU THAM KHẢO

1 APT: Lý thuyết kinh doanh chênh lệch giá

2 BVH: Tập đoàn Bảo Việt

3 CAPM: Mô hình định giá tài sản vốn - Capital asset pricing model

4 CTCK: Công ty chứng khoán

5 CTG: Ngân hàng Thương mại cổ phần Công Thương Việt Nam - Vietinbank

6 EMH: Giả thuyết thị trường hiệu quả - Efficient Market Hyppothesis

7 EIB: Ngân hàng Thương mại cổ phần Xuất nhập khẩu Việt Nam - Eximbank

8 DPM: Tổng công ty cổ phần Phân bón và Hóa chất dầu khí

9 FIML: Phương pháp thích hợp cực đại (FIML)

10 GMM: Phương pháp Mô - men tổng quát (GMM)

11 GDP: Tăng trưởng kinh tế

12 HBB: Ngân hàng thương mại cổ phần Nhà Hà Nội

13 HNX: Sở giao dịch chứng khoán Hà Nội

14 HOSE: Sở giao dịch chứng khoán Thành phố Hồ Chí Minh

15 LS: Lãi suất

16 MSB: Ngân hàng Hàng Hải Việt Nam (MSB)

17 MB: Ngân hàng TMCP Quân Đội

18 MSN: Công ty cổ phần Tập đoàn Ma San

25 OMO: Thị trường mở

26 P/E: Hệ số giá trên thu nhập

27 SEAB: Ngân hàng Đông Nam Á

28 SGDCK: Sở giao dịch chứng khoán

29 S&P: Tổ chức xếp hạng Standard & Poor's

30 STB: Ngân hàng Thương mại Cổ phần Sài Gòn Thương tín – Sacombank

31 TSLT: Tỷ suất lợi tức

32 VCB: Ngân hàng Thương mại Cổ phần Ngoại thương Việt Nam - Vietcombank

Số hiệu Tên bảng Trang

3.1

Tổng hợp biến động giá các cổ phiếu ngành ngân hàng trên HOSE so với LS cơ bản, LS chiết khấu và LS tái cấp vốn

53

3.2

Tổng hợp biến động giá các cổ phiếu ngân hàng trên HOSE và VN-index trước ảnh hưởng của các chính sách tiền tệ của Chính phủ

59

4.1 TSLT thực tế của Vn-index và các chứng khoán niêm

4.2 Kết quả kiểm định chuổi tỷ suất lợi tức thực tế 64

4.3 Kết quả kiểm định tính hiệu lực của mô hình CAPM

4.4 Kết quả kiểm định tính hiệu lực của mô hình phiên bản

4.5 Kết quả ước lượng hệ số beta với phương pháp FIML 66

4.6 Kết quả ước lượng hệ số beta với phương pháp GMM 67

Số hiệu Tên hình vẽ Trang

3.5 Biến động chỉ số VN-index và giá các cổ phiếu ngành

ngân hàng giai đoạn năm 2009 đến năm 2011 44

3.6 Biểu đồ biến động của Vn-index so với các lãi suất cơ

3.7

Biến động giá của các cổ phiếu ngành ngân hàng niêm yết trên HOSE và Vn-index so với biến động LS cơ bản, LS chiết khấu và LS tái cấp vốn

52

3.8 Biến động giá của các cổ phiếu ngành ngân hàng niêm

yết trên HOSE và Vindex so với biến động lạm phát 54

4.1

Biến động của chỉ số VN-index và cổ phiếu ngành ngân hàng niêm yết trên HOSE từ tháng 11/2009 đến tháng 10/2011

63

MỞ ĐẦU

1 Tính cấp thiết của đề tài:

Để thực hiện mục tiêu đến năm 2020 phấn đấu đưa Việt Nam trở thành một nước công nghiệp phát triển đòi hỏi trong nước phải có một nguồn vốn lớn để đáp ứng nhu cầu ngày càng cao của nền kinh tế Vì vậy, Việt Nam cần phải có chính sách huy động tối đa mọi nguồn lực tài chính trong và ngoài nước để chuyển các nguồn vốn nhàn rỗi trong nền kinh tế thành nguồn vốn đầu tư và thị trường chứng khoán tất yếu sẽ ra đời vì nó giữ vai trò quan trọng đối với việc huy động vốn trung

và dài hạn cho hoạt động kinh tế Nhận thức rõ việc xây dựng thị trường chứng khoán là một nhiệm vụ chiến lược có ý nghĩa đặc biệt quan trọng đối với tiến trình xây dựng và phát triển đất nước, trước yêu cầu đổi mới và phát triển kinh tế, phù hợp với các điều kiện kinh tế - chính trị và xã hội trong nước và xu thế hội nhập kinh tế quốc tế, trên cơ sở tham khảo có chọn lọc các kinh nghiệm và mô hình thị

trường chứng khoán trên thế giới, thị trường chứng khoán Việt Nam đã ra đời Sự ra đời của thị trường chứng khoán Việt Nam được đánh dấu bằng việc đưa vào vận hành Trung tâm giao dịch chứng khoán TP.Hồ Chí Minh ngày 20/7/2000 và thực hiện phiên giao dịch đầu tiên vào ngày 28/7/2000

Cùng với sự phát triển và hội nhập của nên kinh tế là sự phát triển của các ngân hàng thương mại Việt Nam Các ngân hàng liên tục ra đời, mở rộng chi nhánh, nâng cấp dịch vụ truyền thống, tăng vốn điều lệ và cho ra đời nhiều dịch vụ mới Bên cạnh đó nhiều ngân hàng thương mại Nhà nước bắt đầu cồ phần hoá, phát hành

cổ phiếu, niêm yết trên thị trường chứng khoán

“Gần đây, giới đầu tư châu Á đã bắt đầu quan ngại về sự thừa thải các ngân hàng và hiện nay Việt Nam cũng không nằm ngoài quan ngại đó Trên các mặt báo, chúng ta thường đọc những thông tin về sự ưa chuộng cổ phiếu ngân hàng Nhưng liệu rằng, nhà đầu tư đã thực sự có khi nào xem xét những tín hiệu thành công của các cổ phiếu này? Hay chỉ là việc đầu tư mang nặng cảm tính”[31]

Làm thế nào để giảm thiểu rủi ro, đo lường rủi ro và ổn định tỷ suất lợi tức luôn là câu hỏi thường trực của các nhà đầu tư Tại các thị trường chứng khoán phát triển, nhà đầu tư trước khi quyết định bỏ tiền vào bất kỳ tài sản nào, họ cũng đều có những phân tích kỹ lưỡng về rủi ro và tỷ suất lợi tức Hệ số beta là một trong những công cụ hữu ích thường được sử dụng nhất để đánh giá tài sản đó Hệ số này dựa trên nền tảng lý thuyết tài chính hiện đại như Lý thuyết danh mục đầu tư của Harry Markowitz, mô hình định giá tài sản vốn (CAPM), lý thuyết kinh doanh chênh lệch giá (APT) Trong các mô hình trên, mô hình CAPM vẫn là mô hình đơn giản, khá

dễ dàng vận dụng nên được sử dụng khá phổ biến

Chính vì vậy, tác giả muốn thông qua Đề tài: “Vận dụng mô hình CAPM trong đo lường rủi ro hệ thống các cổ phiếu ngành ngân hàng niêm yết trên HOSE” nhằm giúp các nhà đầu tư quan tâm tới cổ phiếu ngành ngân hàng thấy được rủi ro

hệ thống của các cổ phiếu trong ngành, đồng thời cung cấp quy trình, tiêu chuẩn kiểm định cho việc nghiên cứu, ứng dụng mô hình CAPM trong thực tế của ngành ngân hàng cũng như từng ngành riêng biệt

2 Mục tiêu nghiên cứu:

Hệ thống hoá các vấn đề lý thuyết về rủi ro trong đầu tư cổ phiếu và đo lường rủi ro hệ thống bằng mô hình CAPM

Tìm hiểu các nhân tố ảnh hưởng đến rủi ro hệ thống các cổ phiếu ngành ngân hàng giai đoạn 2009-2011

Ước lượng và kiểm định các phiên bản khác nhau của mô hình CAPM đối với hệ thống các cổ phiếu ngành Ngân hàng niêm yết trên HOSE

Rút ra các khuyến cáo đối với các nhà đầu tư từ kết quả nghiên cứu của đề tài

3 Câu hỏi nghiên cứu:

(1) Ước lượng mô hình CAPM bằng phương pháp thích hợp cực đại và phương pháp Mô-men tổng quát khác nhau như thế nào? Trong trường hợp dữ liệu như thế nào thì sử dụng Phương pháp thích hợp cực đại và phương pháp Mô-ment tổng quát? Phương pháp nào phù hợp với thị trường Chứng khoán Việt Nam?

(2) Mô hình CAPM có hiệu lực đối với cổ phiếu ngành Ngân hàng của Việt Nam hay không?

(3) Rủi ro hệ thống của ngành cổ Phiếu ngành Ngân hàng qua kết quả ước lượng cao hay thấp?

(4) Có thể rút ra những kết luận gì từ kết quả đo lường rủi ro hệ thống của cổ phiếu ngành Ngân hàng và từ đó đưa ra các khuyến cáo đối với nhà đầu tư?

4 Đối tượng và phạm vi nghiên cứu:

4.1 Đối tượng nghiên cứu: Thông qua các phiên bản khác nhau của Mô hình CAPM, ước lượng rủi ro hệ thống của các cổ phiếu ngành ngân hàng niêm yết trên HOSE với danh mục thị trường là chỉ số VN Index và Kiểm định độ tin cậy của mô hình CAPM cho các cổ phiếu ngành ngân hàng

4.2 Phạm vi nghiên cứu: Đề tài sử dụng dữ liệu ngày của 4 ngân hàng niêm yết trên HOSE và chỉ số VN-Index để thực hiện (từ tháng 11/2009 đến 10/2011)

5 Phương pháp nghiên cứu:

Đề tài sử dụng phương pháp thống kê, phương pháp phân tích và tổng hợp, Phương pháp ước lượng thích hợp cực đại, phương pháp Mô-men tổng quát, mô hình CAPM, mô hình CAPM beta-zero

6 Ý nghĩa khoa học và thực tiễn của đề tài:

- Hệ thống hoá các lý thuyết liên quan đến mô hình định giá tài sản vốn (CAPM), phương pháp ước lượng và kiểm định mô hình này Cách đo lường rủi ro

hệ thống bằng mô hình CAPM

- Các nhân tố ảnh hưởng đến rủi ro hệ thống các cổ phiếu ngành ngân hàng niêm yết trên HOSE giai đoạn 2009-2011

- Kết quả đo lường rủi ro của cổ phiếu ngành ngân hàng

- Các khuyến cáo đối với nhà đầu tư

7 Cấu trúc của luận văn:

Ngoài phần mở đầu và kết luận, luận văn gồm có 4 chương

Chương 1: Cơ sở lý luận về đo lường rủi ro hệ thống cổ phiếu ngành ngân hàng bằng mô hình CAPM

Trong chương 1 đề cập đến 4 vấn đề chính:

1 Đo lường Tỷ suất lợi tức và Rủi ro

2 Rủi ro hệ thống của cổ phiếu ngành ngân hàng

3 Mô hình CAPM

4 Tình hình nghiên cứu có liên quan đến đề tài

Chương 2: Phương pháp ước lượng và kiểm định mô hình CAPM

Chương 2 gồm các nội dung cơ bản:

- Ước lượng, kiểm định Mô hình CAPM phiên bản của Sharpe và Lintner và

Mô hình CAPM phiên bản của Black bằng phương pháp thích hợp cực đại (FIML) khi dữ liệu tuân thủ luật phân phối liên tục, độc lập, đồng nhất và chuẩn

- Ước lượng, kiểm định Mô hình CAPM phiên bản của Sharpe và Lintner và

Mô hình CAPM phiên bản của Black bằng phương pháp Mo-men tổng quát (GMM) khi dữ liệu không tuân thủ luật phân phối chuẩn và đồng nhất

Chương 3: Các nhân tố ảnh hưởng đến rủi ro hệ thống ngành ngân hàng giai đoạn 2009-2011 Trong chương này tác giả đi vào 3 nội dung chính:

1 Tổng quan về thị trường chứng khoán Việt Nam

2 Các nhân tố ảnh hưởng đến rủi ro hệ thống ngành ngân hàng Việt Nam giai đoạn 2009-2011

3 Mức độ tác động của các nhân tố rủi ro hệ thống đến cổ phiếu ngành ngân hàng niêm yết trên HOSE giai đoạn 2009-2011

Chương 4: Kết quả đo lường rủi ro hệ thống của các cổ phiếu ngành ngân hàng niêm yết trên HOSE bằng mô hình CAPM và các khuyến cáo đối với nhà đầu tư Trong chương 4, chú trọng vào các vấn đề sau:

1 Mô tả dữ liệu và phương pháp thu thập, xử lý dữ liệu

2 Kết quả kiểm định chuỗi tỷ suất lợi tức thực tế

3 Kết quả kiểm định mô hình CAPM

4 Kết quả ước lượng hệ số beta

5 Phân tích kết quả

6 Các khuyến cáo đối với nhà đầu tư

Chương 1 - CƠ SỞ LÝ LUẬN VỀ ĐO LƯỜNG RỦI RO HỆ THỐNG

CỔ PHIẾU NGÀNH NGÂN HÀNG BẰNG MÔ HÌNH CAPM

1.1 ĐO LƯỜNG TỶ SUẤT LỢI TỨC VÀ RỦI RO:

1.1.1 Tỷ suất lợi tức và Đo lường tỷ suất lợi tức

Tỷ suất lợi tức được biểu thị bằng tỷ lệ phần trăm giữa các khoản thu nhập và giá

trị các khoản đầu tư bỏ ra

Đo lường tỷ suất lợi tức:

1

1 - -

+

-=

t

t t t

P

P P D

R (1.1)

Trong đó:

- R: là tỷ suất lợi tức thực (hoặc kỳ vọng)

- Dt: là cổ tức

- Pt: là giá cổ phiếu ở thời điểm t

- Pt-1: là giá cổ phiếu ở thời điểm t-1

Nếu lấy cổ tức và giá cổ phiếu theo số liệu thực tế thì ta có tỷ suất lợi tức thực

Nếu lấy cổ tức và giá cổ phiếu theo số liệu kỳ vọng thì ta có tỷ suất lợi tức kỳ vọng

Lợi tức kỳ vọng của một chứng khoán: ( )=åk

i i

i R p R

E (1.2)

1.1.2 Rủi ro và Đo lường rủi ro:

1.1.2.1 Khái niệm rủi ro:

“Cho đến nay chưa có được khái niệm thống nhất về rủi ro Những trường

phái khác nhau, các tác giả khác nhau đưa ra những khái niệm rủi ro khác nhau

Những định nghĩa này rất phong phú và đa dạng, nhưng tập trung lại có thể chia

thành hai trường phái lớn:

Theo trường phái truyền thống, rủi ro được xem là sự không may mắn,

sự tổn thất mất mát, nguy hiểm Nó được xem là điều không lành, điều không tốt,

bất ngờ xảy đến Đó là sự tổn thất về tài sản hay là sự giảm sút lợi nhuận thực tế so

với lợi nhuận dự kiến Rủi ro còn được hiểu là những bất trắc ngoài ý muốn xảy ra

trong quá trình kinh doanh, sản xuất của doanh nghiệp, tác động xấu đến sự tồn tại

và phát triển của một doanh nghiệp Tóm lại, theo quan điểm này thì rủi ro là những thiệt hại, mất mát, nguy hiểm hoặc các yếu tố liên quan đến nguy hiểm, khó khăn hoặc điều không chắc chắn có thể xảy ra cho con người

Theo trường phái hiện đại, rủi ro là sự bất trắc có thể đo lường được, vừa

mang tính tích cực, vừa mang tính tiêu cực Rủi ro có thể mang đến những tổn thất mất mát cho con người nhưng cũng có thể mang lại những lợi ích, những cơ hội”[33]

1.1.2.2 Phân loại rủi ro:

“Xét về mặt định tính, rủi ro tổng thể của một công ty (hay cổ phiếu) là một

tổng của hai thành phần cơ bản:

Rủi ro phi hệ thống (unsystematic risk) là những yếu tố tác động gắn liền

với từng công ty riêng biệt như rủi ro kinh doanh hay rủi ro tài chính của công ty

đó, mà không ảnh hưởng đến các công ty khác (trừ các công ty lớn) Để giảm thiểu rủi ro loại này, nhà đầu tư thường đa dạng hoá danh mục của mình Do vậy rủi ro

phi hệ thống còn được gọi là Rủi ro có thể đa dạng hoá (diversifiable risks)

Rủi ro hệ thống (systematic risk) là các yếu tố tác động lên tất cả các công

ty trên thị trường, tất cả các công ty đều bị chi phối bởi rủi ro hệ thống Như vậy các nhà đầu tư không thể đa dạng hoá để giảm thiểu rủi ro hệ thống Do đó rủi ro này

còn được gọi là Rủi ro không thể đa dạng hoá (non-diversifiable risks)”[1]

1.1.2.3 Đo lường rủi ro:

Đo lường rủi ro của một cổ phiếu: Phương sai và độ lệch chuẩn (của lợi

tức cổ phiếu đó so với giá trị trung bình của nó) là hai phép đo rủi ro phổ biến nhất Trong thực tế nhiều khi chỉ xác định kỳ vọng toán của biến ngẫu nhiên thì chưa đủ

để xác định biến ngẫu nhiên đó Ta còn phải xác định mức độ phân tán của các giá trị của biến ngẫu nhiên xung quanh giá trị trung bình của nó Người ta cho rằng đặc trưng cho mức độ phân tán thì đơn giản nhất là tìm tất cả các sai lệch của các giá trị của biến ngẫu nhiên so với kỳ vọng toán của nó và lấy trung bình số học của các sai lệch đó Song cách làm này không mang lại kết quả vì có thể dễ dàng chứng minh

được rằng với mọi biến ngẫu nhiên thì trung bình số học của các sai lệch luôn bằng không Sở dĩ có điều đó vì các sai lệch dương và sai lệch âm xung quanh giá trị kỳ vọng toán học bao giờ cũng bù trừ cho nhau, do đó giá trị trung bình của các sai lệch sẽ bằng không Để khắc phục điều này, người ta không tính trực tiếp trung bình của các sai lệch mà tính trung bình của các giá trị tuyệt đối hoặc bình phương của các sai lệch Song đơn giản hơn là tìm trung bình của bình phương các sai lệch Từ

đó chúng ta có khái niệm phương sai và độ lệch chuẩn:

+ Phương sai của tỷ suất lợi tức (σ2): =åk [ - ( ) ]

i i

Đo lường rủi ro của một danh mục đầu tư: Trong thực tế, các nhà đầu tư

ít khi nào dồn hết toàn bộ tài sản của mình vào một khoản đầu tư duy nhất Do vậy, các nhà đầu tư thường lựa chọn môt danh mục đầu tư (portfolio) là sự kết hợp của 2 hay nhiều chứng khoán hoặc tài sản trong đầu tư

Lợi nhuận kỳ vọng của danh mục đầu tư đơn giản chỉ là trung bình có trọng

số của các lợi nhuận kỳ vọng của từng chứng khoán trong danh mục đầu tư Trọng

số ở đây chính là tỷ trọng của từng loại chứng khoán trong danh mục đầu tư Công thức tính lợi nhuận kỳ vọng của danh mục đầu tư như sau:

( )=åk ( )

i

i i

w , Wi là tỷ trọng của chứng khoán i, E(Ri) là lợi tức kỳ

vọng của chứng khoán i, và k là tổng số chứng khoán có trong danh mục đầu tư

Rủi ro của danh mục đầu tư được đo lường bởi phương sai hoặc độ lệch chuẩn của danh mục đầu tư Không giống lợi tức, việc xác định phương sai hoặc độ lệch chuẩn của danh mục đầu tư rất phức tạp do ảnh hưởng của yếu tố hiệp phương

sai tức là mức độ quan hệ giữa rủi ro của các chứng khoán trong danh mục đầu tư

Phương sai của danh mục đầu tư được xác định bởi công thức:

j j

ij j i i

n

i i

1 1 1 2

j j

ij j i i

n

i i

1 1 1 2

Hiệp phương sai lợi nhuận của 2 chứng khoán là chỉ tiêu đo lường mức độ quan hệ tuyến tính giữa 2 chứng khoán (giải sử chứng khoán A và chứng khoán B) Hiệp phương sai được xác định bởi công thức:

( ) [ A i A ] [ B i ( )B ]

p

i i B

B A B

,B = +

A

r Tương quan thuận hoàn hảo

: 1

,B =

-A

r Tương quan nghịch hoàn hảo

Hiệp phương sai hay hệ số tương quan có ảnh hưởng rất lớn đến rủi ro của một danh mục đầu tư Đa dạng hóa chỉ mang lại lợi ích (giảm thiểu rủi ro) khi hệ số tương quan giữa các tài sản nhỏ hơn 1

1.1.3 Rủi ro hệ thống:

“Nếu rủi ro phi hệ thống có thể được triệt tiêu bằng con đường đa dạng hoá,

thì việc đòi hỏi một thước đo mới của rủi ro là đều tất yếu Thước đo mới chỉ liên quan đến rủi ro hệ thống Khái niệm beta được hình thành trong quá trình giới tài chính tìm cách lượng hoá rủi ro hệ thống

Khi nói rủi ro phi hệ thống có thể bị triệt tiêu bằng cách đa dạng hoá, điều này không có nghĩa là tất cả mọi nhà đầu tư đều nắm giữ danh mục thị trường và bỏ qua việc xác định rủi ro phi hệ thống của từng công ty Tuy nhiên, việc xác định rủi

ro phi hệ thống, được xem là một nghệ thuật, bởi vì mỗi ngành, mỗi công ty đều có những rủi ro riêng của nó Loại rủi ro này không có bất cứ một cơ sở chung nào giữa các doanh nghiệp để có thể mô hình hoá nó thành một công thức Do vậy, người ta chỉ có thể làm điều này với rủi ro hệ thống dựa trên cơ sở chung là sự biến động tỷ suất lợi tức của từng cổ phiếu so với sự biến động tỷ suất lợi tức của toàn

bộ thị trường Và như thế khái niệm hệ số beta đã ra đời để thực hiện nhiệm vụ đo lường rủi ro và có khả năng so sánh giữa các doanh nghiệp khác nhau

Beta được xác định với đầu vào là các tỷ suất lợi tức, mà tỷ suất này được tính toán dựa trên các mức giá của cổ phiếu theo thời gian Xét về mặt toán học beta chỉ là một công cụ đo lường khả năng biến động giá của các cổ phiếu so với sự biến động của chỉ số thị trường Tại sao nói beta là một đại diện cho rủi ro của doanh nghiệp, chỉ có thể giải thích vấn đề này bằng Giả thuyết thị trường hiệu quả (EMH -Efficient Market Hyppothesis), theo thuyết này giá cả chứng khoán sẽ phản ánh tất

cả mọi hoạt động của doanh nghiệp Như vậy, beta đo lường rủi ro trong sự thay đổi mức giá của cổ phiếu, cũng chính là đo lường rủi ro của doanh nghiệp Trên thế giới, các thị trường tài chính phát triển được xem như là thị trường hiệu quả Hệ số beta ở các thị trường này là một thước đo hiệu quả của rủi ro hệ thống”[1]

Trong thực tế, người ta thường sử dụng mô hình CAPM (mô hình định giá tài sản tài chính) để giải thích mối quan hệ giữa rủi ro và lợi tức của tài sản tài chính CAPM là cơ sở quan trọng để chứng minh rằng nếu một danh mục đầu tư có

độ đa dạng hoá cao thì rủi ro phi hệ thống sẽ gần như bị triệt tiêu và chỉ còn lại rủi ro hệ thống Mô hình CAPM do William Sharpe phát triển từ những năm 1960

và đã có được nhiều ứng dụng từ đó đến nay Mặc dù còn có một số mô hình

khác nỗ lực giải thích động thái thị trường nhưng mô hình CAPM là mô hình đơn giản về mặt khái niệm và có khả năng ứng dụng sát thực với thực tiễn

1.2 RỦI RO HỆ THỐNG CỦA CỔ PHIẾU NGÀNH NGÂN HÀNG: 1.2.1 Đặc điểm của ngành ngân hàng:

Ngành ngân hàng là ngành kinh doanh trong lĩnh vực tiền tệ là lĩnh vực kinh doanh rất nhạy cảm, trong đó lãi suất là giá cả của hàng hóa đặc biệt này Ngành ngân hàng có các đặc điểm chính sau:

- Tiền vừa là phương tiện, vừa là mục đích kinh doanh nhưng đồng thời cũng

là đối tựơng kinh doanh của ngành ngân hàng

- Các ngân hàng thương mại (NHTM) tương tác với các chủ thể khác nhau trong nền kinh tế thông qua tín dụng, chính sự quan hệ tương tác lẫn nhau này tạo nên nhiều rủi ro cho hệ thống ngân hàng và nền kinh tế

- Các ngân hàng thương mại trong kinh doanh luôn vừa phải cạnh tranh lẫn nhau để dành giật thị phần, nhưng luôn phải hợp tác với nhau, nhằm hướng tới một môi trường lành mạnh để tránh rủi ro hệ thống

- Chính phủ tất cả các nước thông qua Ngân hàng Trung ương đều có sự giám sát chặt chẽ các hoạt động của ngành ngân hàng, đồng thời thông qua đó ngân hàng Trung ương thực thi các chính sách tiền tệ của Chính phủ

- Hoạt động của các ngân hàng thương mại liên quan đến lưu chuyển tiền tệ, không chỉ trong phạm vi một nước, mà có liên quan đến nhiều nước để hỗ trợ cho các hoạt động kinh tế đối ngoại Do vậy, hệ thống ngành ngân hàng chịu sự chi phối

và ảnh hưởng của nhiều yếu tố trong nước và quốc tế

Ta thấy, từ các đặc điểm của ngành ngân hàng thì hoạt động kinh doanh của ngân hàng là hoạt động chứa nhiều rủi ro, bởi lẽ nó tổng hợp tất cả các rủi ro của khách hàng, đồng thời rủi ro trong hoạt động kinh doanh của chính mình, rủi ro của

cả nên kinh tế - xã hội trong nước và quốc tế Do đó, trong quá trình hoạt động các ngân hàng phải thường xuyên cảnh giác, nghiên cứu, phân tích, đánh giá, dự báo và

có những biện pháp phòng ngừa rủi ro có hiệu quả

1.2.2 Các nhân tố ảnh hưởng đến rủi ro hệ thống của ngân hàng:

“Bất kỳ một công việc kinh doanh nào cũng nhằm vào tối đa hóa lợi ích bao gồm cả kinh doanh ngân hàng đều phải quản lý rủi ro, chẳng hạn như tác động của lạm phát hay suy thoái kinh tế, sự sụp đổ của công nghệ, sự thất bại của nhà cung cấp hay của khách hàng dưới tác động của yếu tố chính trị hay thiên tai là những rủi

ro tiềm ẩn mà tất cả các doanh nghiệp đều phải đương đầu” [2] Những rủi ro này là

cụ thể hoặc là sự kiện, có ảnh hưởng tới khả năng sinh lời và nguy cơ rủi ro của ngân hàng Chúng cũng bao gồm những thay đổi đột ngột, không dự đoán trước về thuế, về chính sách điều chỉnh hay về những điều kiện thị trường tài chính do chiến tranh, cách mạng hay sụp đổ thị trường và những rủi ro vĩ mô như biến động của lạm phát hay thất nghiệp Rủi ro hệ thống là rủi ro tác động đến toàn bộ hoặc hầu hết các chứng khoán Sự bấp bênh của môi trường kinh tế nói chung như sự sụt giảm GDP, biến động lãi suất, tốc độ lạm phát thay đổi cũng là những nhân tố ảnh hưởng rủi ro hệ thống Các nhân tố ảnh hướng tới rủi ro hệ thống có tác động mạnh tới ngành ngân hàng và ngân hàng thường xuyên phải đối mặt với các rủi ro hệ

thống như:

- Rủi ro về lãi suất hay chính xác hơn là sự biến động ngoài dự kiến của lãi suất: Nhìn vào các rủi ro của ngân hàng thương mại ta có thể thấy rằng ngân hàng phải đối đầu với rất nhiều rủi ro, đặc biệt là rủi ro lãi suất vì lãi suất là giá cả của hàng hóa đặc biệt mang tên tiền tệ Lãi suất thị trường thường xuyên thay đổi, ngân hàng luôn nghiên cứu và dự báo lãi suất Tuy nhiên, trong nhiều trường hợp ngân hàng không thể dự báo chính xác mức độ thay đổi của lãi suất Sự biến động ngoài

dự kiến của lãi suất gây ra rủi ro cho ngân hàng

- Rủi ro về lạm phát hay sự biến động ngoài dự kiến của lạm phát: “các nhà kinh tế có quan điểm rất khác nhau về quy mô của các tác động tiêu cực của lạm phát, thậm chí nhiều nhà kinh tế cho rằng tổn thất do lạm phát gây ra là không đáng

kể và điều này được coi là đúng khi tỷ lệ lạm phát ổn định và ở mức vừa phải Khi lạm phát biến động mạnh, tác động xã hội của nó thông qua việc phân phối lại của cải giữa các cá nhân rõ ràng là rất lớn và do vậy Chính phủ của tất cả các nước đều

tìm cách chống lại loại lạm phát này bằng nhiều biện pháp khác nhau, biện pháp chủ yếu là thông qua các chính sách kinh tế, tiền tệ nhằm kiềm chế lạm phát”[32] Các biện pháp này thường mang tính chất hành chính, áp đặt do đó các ngân hàng thương mại phải gánh chịu rủi ro rất lớn từ các biện pháp kiềm chế lạm phát do sự biến động ngoài dự kiến của lạm phát gây ra

- Rủi ro do chính sách tiền tệ của Chính phủ: “Rủi ro mà các ngân hàng vẫn thường xuyên đối mặt đó chính là rủi ro chính sách Khi môi trường chính sách thay đổi và không thể dự đoán thì các chiến lược và kế hoạch kinh doanh của ngân hàng cũng bị phá vỡ Do không thể biết được điều gì sẽ xảy ra nên tính chất bất ổn của môi trường pháp lý hiện nay thể hiện là sự bất trắc (uncertainty) chứ không còn là rủi ro (risk) thuần túy Trong môi trường bất trắc không suy giảm, các ngân hàng không thể chủ động lập được chiến lược kinh doanh phù hợp, thay vào đó là các sách lược phòng thủ và đối phó Khi các ngân hàng phải lo đối phó với các thách thức chính sách ngắn hạn như vậy thì sẽ không còn đủ nguồn lực để giải quyết những rủi ro và các thách thức có tính chất dài hạn khác”[25]

- Rủi ro từ tăng trưởng kinh tế (GDP): Tăng trưởng kinh tế là chỉ tiêu kinh tế tổng hợp ảnh hưởng trực tiếp đến toàn bộ nền kinh tế, thị trường chứng khoán cũng như ngành ngân hàng Trong bối cảnh nền kinh tế sáng sủa sẽ kéo theo sự phát triển của toàn bộ nền kinh tế cũng như ngành ngân hàng Tuy nhiên trong bối cảnh kinh

tế bất ổn thì rủi ro từ sự tăng trưởng kinh tế đối với ngành ngân hàng là rất lớn

- Rủi ro từ khủng hoảng kinh tế và khủng hoảng tài chính: “Cuộc khủng hoảng tài chính kinh tế và tài chính toàn cầu đã len lỏi trong đời sống của ngay cả những người dân bình thường nhất trong xã hội Theo các nhà quan sát rủi ro chuyên nghiệp thì, sự khủng hoảng toàn cầu đang ngày một tăng nhanh và đang tạo

ra một thách thức mới cho Chính phủ các nước, các doanh nghiệp trên toàn thế giới”[23] Ngành ngân hàng không những không thể thể nằm ngoài vùng ảnh hưởng của khủng hoảng kinh tế, khủng hoảng tài chính mà còn là nguyên nhân của khủng hoảng và chịu ảnh hưởng mãnh mẽ nhất trong nền kinh tế

- Các rủi ro khác: Ngoài các rủi ro trên, do đặc thù của ngành ngân hàng là kinh doanh tiền tệ, các ngân hàng còn còn phải đối diện với một loạt các rủi ro khác như rủi ro từ các báo cáo của các tổ chức phân tích đánh giá tín nhiệm thị trường, rủi ro từ môi trường kinh tế trong nước và quốc tế, rủi ro từ môi trường tự nhiên…

1.2.3 Mức độ rủi ro hệ thống của ngành ngân hàng Việt Nam:

“Theo đánh giá của tổ chức xếp hạng Standard & Poor's (S&P), mức độ rủi

ro kinh tế mà S&P xếp hạng cho toàn bộ nến kinh tế Việt Nam là “10 điểm” (là mức rủi ro cao nhất trong thang đo) thể hiện hiện những đánh giá về "mức độ rủi ro rất cao" trong khả năng hồi phục, tình trạng mất cân bằng kinh tế Rủi ro ngành ngân hàng của Việt Nam được đánh giá 8 điểm, cũng thể hiện mức độ “rủi ro cực cao” về khung chính sách thể chế, "rủi ro rất cao" trong động lực cạnh tranh và "rủi ro trung bình" về gây vốn hệ thống Cách đánh giá của S&P thể hiện rủi ro mà một ngân hàng họat động tại riêng một quốc gia nói riêng và toàn bộ hệ thống ngân hàng nói chung phải đối mặt, so với các ngân hàng trong hệ thống ngân hàng khác Việt Nam

là nước có thu nhập thấp, hệ thống tài chính và khung chính sách còn đang phát triển, những điểm yếu này càng nâng cao khả năng dễ bị tổn thương của nền kinh tế trước những cú sốc lớn Những viễn cảnh tăng trưởng lạc quan được hỗ trợ bởi nỗ lực bền bỉ của Chính phủ trong việc tái cấu trúc nền kinh tế, phần nào bù đắp những điểm yếu này

Về khung chính sách, S&P cho rằng các tiêu chuẩn về khung chính sách của Việt Nam còn thiếu các tiêu chuẩn quốc tế và ngân hàng Trung ương dễ bị tổn thương trong chính các thỏa thuận của mình Khung chính sách càng yếu hơn do sự yếu kém trong điều hành và minh bạch Hầu hết các ngân hàng không công bố báo cáo tài chính kịp thời, và thường không đầy đủ chi tiết

Về động lực cạnh tranh, rủi ro cho các ngân hàng chỉ ở mức trung bình và tập trung vào tăng trưởng Thị trường đang bão hòa dẫn đến cạnh tranh giữa các ngân hàng cả về vốn vay và tiền gửi

Về gây vốn hệ thống, hệ thống ngân hàng Việt Nam, theo S&P đánh giá, được hỗ trợ bởi lượng tiền gửi của khách hàng ở mức ổn định, ít phụ thuộc vào các nguồn bên ngoài trong khi chính phủ vẫn đóng vai trò hỗ trợ trong nguồn vốn cho các ngân hàng nếu cần S&P đánh giá Chính phủ Việt Nam "hỗ trợ cao" cho các ngân hàng trong nước”[30]

Như vậy ta thấy mức rủi ro của ngành ngân hàng Việt Nam khá cao nhưng vẫn thấp hơn so với rủi ro của toàn bộ nền kinh tế

1.3 MÔ HÌNH CAPM

1.3.1 Khái quát về mô hình CAPM

Một trong những vấn đề quan trọng của kinh tế học tài chính hiện đại là sự đánh đổi giữa rủi ro và tỷ suất lợi tức kỳ vọng Các khoản đầu tư rủi ro (chẳng hạn như đầu tư vào thị trường cổ phiếu) sẽ đạt tỷ suất lợi tức cao hơn các khoản đầu tư không có rủi ro Với sự phát triển của Mô hình định giá tài sản vốn (CAPM), các nhà kinh tế học có thể định lượng rủi ro và phần thưởng cho việc chấp nhận rủi ro

Mô hình CAPM gợi ý rằng thu nhập kỳ vọng của một tài sản phải liên quan chặt chẽ với hiệp phương sai giữa thu nhập của tài sản và thu nhập của danh mục thị trường

Markowitz (1959) đã đặt nền tảng của mô hình CAPM Trong nghiên cứu nền tảng này, tác giả đã cho rằng nhà đầu tư sẽ lựa chọn danh mục trên cơ sở thu nhập kỳ vọng và phương sai của thu nhập này Ông ta đưa ra luận điểm, nhà đầu tư tối ưu hóa việc nắm giữ một danh mục có giá trị kỳ vọng và phương sai hiệu quả Đó

là, danh mục đầu tư với thu nhập kỳ vọng cao nhất, tương ứng với một mức phương sai xác định trước Dựa trên công trình của Markowitz, Sharpe (1964) và Lintner (1965b) đã phát triển nhiều gợi ý mở rộng về kinh tế Họ cho rằng, nếu nhà đầu tư đạt được mức lợi tức kỳ vọng đồng nhất và tối ưu hóa việc nắm giữ các danh mục có giá trị trung bình và phương sai đạt hiệu quả trong điều kiện không tương quan với thị trường thì chính danh mục của tất cả các khoản đầu tư lợi tức hoặc danh mục thị trường sẽ là danh mục có giá trị trung bình và phương sai hiệu quả [12]

1.3.2 Mô hình CAPM dựa trên giả định như những giả định của thị trường vốn[4]:

(1) Các nhà đầu tư cá nhân đều là các nhà chấp nhận giá

(2) Tất cả các tài sản đều có thể mua, bán và có thể chia nhỏ không hạn chế (3) Đầu tư trong một thời kỳ đơn

(4) Hoạt động đầu tư chỉ giới hạn với những tài sản tài chính được kinh doanh (5) Không có thuế và phí giao dịch

(6) Quyết định của nhà đầu tư chỉ dựa vào giá trị trung bình và phương sai của tỷ suất lợi tức, tức là:

- Tỷ suất lợi tức tuân theo quy luật phân phối chuẩn

- Hàm hữu dụng của nhà đầu tư là hàm bậc 2

(7) Được phép mua bán khống, vay và cho vay ở mức lợi tức phi rủi ro không hạn chế

(8) Thông tin không đắt đỏ và luôn sẵn có đối với các nhà đầu tư

(9) Các nhà đầu tư là những người có lý trí, lựa chọn danh mục đầu tư trên

cơ sở kỳ vọng – phương sai

(10) Tất cả các ước lượng đều đồng nhất

(11) Tất cả các nhà đầu tư nắm giữ cùng một danh mục đầu tư: danh mục thị trường đối với tài sản phi rủi ro

(12) Danh mục thị trường bao gồm tất cả các loại chứng khoán và tỷ trọng của mỗi loại chứng khoán là tỷ lệ phần trăm giá trị của chứng khoán này trên tổng giá trị của thị trường

1.3.3 Mô hình CAPM

1.3.3.1 Mô hình CAPM phiên bản của Sharpe và Lintner

Phiên bản CAPM của Sharpe và Lintner với giả định tồn tại các khoản cho vay và đi vay với lãi suất phi rủi ro [4]:

R Var

Với Ri là tỷ suất lợi tức của tài sản i, Rm là thu nhập của danh mục thị trường

và Rf là thu nhập của tài sản phi rủi ro, i=1,2,….n

1.3.3.2 Mô hình CAPM beta-zero phiên bản của Black

Trong điều kiện không tồn tại tài sản phi rủi ro, Black (1972) tìm thấy phiên bản tổng quát của mô hình CAPM beta-zero [4]

[ ] [ ] ( [ ] [ ] ) ( [ ] )

m

m i m

Z m

m Z i

R Var

R R Cov R

E R E R

E R

R Var

R R Cov ,

=

b (1.13)

1.4 TÌNH HÌNH NGHIÊN CỨU CÓ LIÊN QUAN ĐẾN ĐỀ TÀI

1.4.1 Tổng quan về các nghiên cứu chủ yếu có liên quan đến việc ước lượng và kiểm định mô hình CAPM trên thế giới:

“Mô hình định giá tài sản vốn (Capital asset pricing model – CAPM) là mô hình mô tả mối quan hệ giữa rủi ro và lợi nhuận kỳ vọng Trong mô hình này, lợi nhuận kỳ vọng của một chứng khoán bằng lợi nhuận không rủi ro (risk-free) cộng với một khoản bù đắp rủi ro dựa trên cơ sở rủi ro hệ thống của chứng khoán đó Còn rủi ro phi hệ thống không được xem xét trong mô hình này do nhà đầu tư có thể xây dựng danh mục đầu tư đa dạng hoá để loại bỏ loại rủi ro này

Mô hình CAPM do William Sharpe phát triển từ những năm 1960 và đã có được nhiều ứng dụng từ đó đến nay Mặc dù còn có một số mô hình khác nỗ lực giải thích động thái thị trường nhưng mô hình CAPM là mô hình đơn giản về mặt khái niệm và có khả năng ứng dụng sát với thực tiễn Cũng như bất kỳ mô hình nào khác, mô hình này cũng chỉ là một sự đơn giản hoá hiện thực bằng những giả định cần thiết, nhưng nó vẫn cho phép chúng ta rút ra những ứng dụng hữu ích” [10]

“Sau đó rất nhiều công trình nghiên cứu về mô hình CAPM và kiểm định hiệu lực của mô hình đã được thực hiện trên nhiều nước mà tiêu biểu nhất là các công trình sau đây:

- Đầu tiên là công trình ‘Công tác điều hành của Quỹ đầu tư trong giai đoạn 1945-1964 của Michael C.Jensen Trong công trình này chính Jensen đã đề xuất về việc kiểm định hàm ý “hệ số α =0” để kiểm định hiệu lực của mô hình CAPM

- Sau đó là Fisher Black (1972) đã đề xuất mô hình CAPM Beta zero trong công trình “sự cân bằng của thị trường vốn khi có sự hạn chế của việc vay mượn” Cũng trong năm 1972, công trình mô hình định giá tài sản vốn “Một số kiểm định thực nghiệm của các tác giả Fisher Black, Michael C.Jensen và Myron scholes” đã kiểm định hiệu lực của mô hình này đối với các chứng khoán tại thị trường chứng khoán NewYork” [12]

- Sau đó các công trình phản biện mô hình CAPM của các tác giả: Richard Roll (1977) trong công trình “Phản biện đối với kiểm định lý thuyết định giá tài sản hay Eugene F Fama và Kenneth R French (1992) với công trình dữ liệu chéo đối với thu nhập kỳ vọng của các chứng khoán đã đưa ra các bằng chứng thực nghiệm bác bỏ hiệu lực của các mô hình CAPM lý thuyết Eugene Fama và Kenneth French tiến hành nghiên cứu thực nghiệm về quan hệ giữa lợi nhuận của cổ phiếu, qui mô công ty, tỷ số MB (market-to-book value ratio) và hệ số beta Kết quả kiểm định dựa vào số liệu thời kỳ 1963 – 1990 cho thấy rằng các biến qui mô và tỷ số MB là những biến ảnh hưởng mạnh đến lợi nhuận cổ phiếu Khi những biến này được đưa vào phân tích hồi qui trước rồi mới thêm biến beta vào thì kết quả cho thấy rằng biến beta không mạnh bằng các biến kia trong việc giải thích lợi nhuận cổ phiếu Điều này khiến giáo sư Fama, một giáo sư có uy tín, đi đến kết luận rằng beta không phải là biến duy nhất giải thích lợi nhuận Ông phát động cuộc tấn công vào khả năng sử dụng mô hình CAPM để giải thích lợi nhuận cổ phiếu và đề nghị rằng biến qui mô và biến tỷ số MB thích hợp để giải thích lợi nhuận hơn là biến rủi ro Tuy nhiên, Người ta cho rằng Fama và French giải thích lợi nhuận thị trường với hai biến dựa vào giá trị thị trường cho nên không có gì ngạc nhiên khi thấy có sự tương

quan rất cao giữa các biến này Fama và French đã quá tập trung vào biến lợi nhuận thay vì tập trung vào biến rủi ro, cho nên cũng không có nền tảng lý thuyết cho những phát hiện có tính phản bác của họ[10]

- Tiếp theo đó là rất nhiều công trình nghiên cứu về mô hình CAPM trong các trường hợp thực tế như: CAPM trong điều kiện tương quan Mô-men bậc cao (CAPM with higher-order co-moments), CAPM có điều kiện (Condition CAPM) và CAPM trong điều kiện không ổn định theo thời gian (CAPM conditional on time varying volatilyty) [12]

1.4.2 Tổng quan về các nghiên cứu chủ yếu có liên quan đến việc ước lượng và kiểm định mô hình CAPM tại Việt Nam:

Cho đến nay đã có một số nghiên cứu thực nghiệm về mô hình CAPM và mô hình Fama – French 3 nhân tố trên TTCK Việt Nam của các học viên cao học cũng như sinh viên đại học Việt Nam Trong đó có 3 đề tài có nội dung chính liên quan đến mô hình CAPM đều là luận văn thạc sỹ của tác giả Đinh Trọng Hưng, Trần Minh Ngọc Diễm thực hiện tại Đại học Kinh tế TP Hồ Chí Minh và Phạm Văn Sơn thực hiện tại Đại Học Đà Nẵng [12]

Trong luận văn thạc sỹ “Ứng dụng mô hình đầu tư tài chính hiện đại vào thị trường chứng khoán Việt Nam” của tác giả Đinh Trọng Hưng dưới sự hướng dẫn của TS Lại Tiến Dĩnh, tác giả nghiên cứu các mô hình đầu tư tài chính hiện đại bao gồm: Lý thuyết danh mục đầu tư Markowitz, lý thuyết thị trường vốn, mô hình định giá tài sản CAPM và Fama –French 3 nhân tố Trên cơ sở các mô hình đó, tác giả áp dụng cho 26 công ty niêm yết trên Sở Giao dịch chứng khoán TP Hồ Chí Minh từ ngày 01/01/2005 đến 30/6/2008 Khi sử dụng Mô hình CAPM phiên bản Sharpe Litner, tác giả ước lượng hệ số beta tương ứng với 2 trường hợp danh mục thị trường là chỉ số VN-index và danh mục thị trường là danh mục tối ưu từ 26 chứng khoán Khi kiểm định luật phân phối chuẩn đối với tỷ suất lợi tức của 26 mã chứng khoán chỉ có 5 chứng khoán tuân thủ luật phân phối chuẩn Tuy nhiên tác giả sử dụng luật số lớn để cho rằng khi mở rộng mẫu quan sát thì tỷ suất lợi tức của các

chứng khoán sẽ tuân thủ luật phân phối chuẩn Tuy nhiên các luận văn này cũng chỉ mới dừng lại ở việc tính toán các hệ số beta một cách đơn thuần [12]

Luận văn thạc sỹ “Nghiên cứu và ứng dụng mô hình định giá tài sản vốn cho thị trường Chứng khoán Việt Nam” của tác giả Phạm Văn Sơn thực hiện dưới sự hướng dẫn của TS Võ Thị Thúy Anh Trong luận văn này tác giả tổng hợp các lý luận cơ bản của mô hình định giá tài sản vốn (CAPM) đối với cả 2 phiên bản Sharpe - Lintner và Black Hệ thống hóa các quy trình cùng với phương pháp ước lượng và kiểm định mô hình định giá tài sản vốn phù hợp với các đặc thù của thị trường chứng khoán mới, đó là dữ liệu có thể không tuân thủ giả định phân phối liên tục, độc lập, đồng nhất và phân phối chuẩn Trong luận văn này, tác giả sử dụng chỉ số Vn-index như danh mục thị trường và 20 chứng khoán đáp ứng đủ điều kiện

về quy mô dữ liệu (dữ liệu tháng, ít nhất 5 năm tức 60 quan sát từ tháng 6/2005 đến 5/2010) để phân tích Quan trọng nhất trong luận văn này là tác giả đã tập trung vào ước lượng kiểm định mô hình CAPM đối với các chứng khoán đủ số lượng quan sát

từ đó đưa ra các kết luận có ý nghĩa đối với thị trường chứng khoán Việt Nam

Ngoài ra, trong thời gian gần đây Tác giả Nguyễn Ngọc Vũ cũng có bài báo viết về đề tài này Trong bài tác giả ước lượng hệ số beta, là hệ số góc giữa tỷ suất lợi tức thực tế của Chứng khoán và tỷ suất lợi tức thực tế của chỉ số giá thị trường chứng khoán bằng phương pháp bình phương bé nhất (OLS) Số lượng chứng khoán

sử dụng gồm 43 công ty niêm yết tại SGDCK Hà Nội và danh mục thị trường được

sử dụng là chỉ số HNX-Index [12]

Tuy nhiên, hiện nay chưa có một nghiên cứu cụ thể nào về phương pháp đo lường rủi ro hệ thống thực sự có ý nghĩa đối với ngành ngân hàng Việt Nam là ngành kinh doanh có ảnh hưởng lớn đến toàn bộ nền kinh tế - xã hội

Trong luận văn này, tác giả chủ yếu sử dụng phần cơ sở lý luận của Luận văn thạc sỹ “Nghiên cứu và ứng dụng mô hình định giá tài sản vốn cho thị trường Chứng khoán Việt Nam” của tác giả Phạm Văn Sơn thực hiện, đồng thời tham khảo

Chương 5 cuốn sách" The Econometric of the Financial Markets ", của các Tác giả

Jonh Y Campbell, Andrew W Lo and A Craig Mackinlay (1961)

Ngoài ra trong chương này còn đề cập đến các đặc điểm cơ bản của ngành ngân hàng mà với các đặc điểm của ngành này làm cho các nhân tố rủi ro hệ thống tác động lên ngành một cách mạnh nhất Trong các nhân tố rủi ro hệ thống tác động lên ngành ngân hàng như sự biến động ngoài dự kiến của lãi suất, lạm phát; chính sách tiền tệ của Chính phủ; tăng trưởng kinh tế (GDP); khủng hoảng kinh tế và khủng hoảng tài chính … thì chúng đều có tác động qua lại lẫn nhau, rất khó phân biệt một cách riêng lẽ Trong các loại rủi ro này, thì ngành ngân hàng phải chịu sự tác động mãnh mẽ nhất của chính sách tiền tệ của Chính phủ Và theo tổ chức xếp hạng S&P thì nền kinh tế Việt Nam có mức độ rủi ro cực kỳ cao với mức 10 điểm là mức cao nhất; rủi ro hệ thống ngành ngân hàng Việt Nam là 8 điểm, mức rủi ro thấp hơn nền kinh tế Điều này cũng giúp chúng ta thấy được hệ số beta của các cổ phiếu ngành ngân hàng sẽ nhỏ hơn Vn-Index Chúng ta sẽ kiểm chứng trong chương 4 khi

đi vào đo lường ro hệ thống của các cổ phiếu ngành ngân hàng trên HOSE

Chương 2 - PHƯƠNG PHÁP ƯỚC LƯỢNG VÀ KIỂM ĐỊNH

MÔ HÌNH CAPM

2.1 PHƯƠNG PHÁP ƯỚC LƯỢNG THÍCH HỢP CỰC ĐẠI (FIML): 2.1.1 Điều kiện vận dụng:

Điều kiện để vận dụng Phương pháp ước lượng thích hợp cực đại (FIML) là

dữ liệu tuân thủ luật phân phối liên tục, độc lập, đồng nhất và chuẩn

2.1.2 Ước lượng Mô hình CAPM phiên bản của Sharpe và Lintner bằng phương pháp thích hợp cực đại (FIML)[12]:

Từ mô hình CAPM phiên bản của Sharpe và Lintner (1.10) Ta có mô hình

kinh tế lượng:

t mt

mt mt

Beta (β) là vectơ có kích thước Nx1 của các Beta, Zmt là thu nhập vượt trội

của danh mục thị trường của t và α, ε t là các vecơ có kích thước Nx1 lần lượt là hệ

số chặn của thu nhập từ tài sản và yếu tố nhiễu Trong suốt chương này, chúng ta

loại bỏ sự phụ thuộc của α , β và ε t trong danh mục thị trường hay các danh mục được xem là danh mục thị trường Trong phiên bản của Sharpe-Lintner, chúng ta

định nghĩa lại µ là thu nhập vượt trội kỳ vọng

- Chúng ta dùng phương pháp thích hợp cực đại để ước lượng các hệ số trong

mô hình không ràng buộc

Chúng ta có các tham số sau:

Ù Ù Ù

Ù

-=m bmm

öç

è

æ

-÷ø

öç

è

æ

-÷ø

öç

Z

Z Z

1

2 1

ö ç

è

-÷ ø

ö ç

öç

ççè

æ

åúú

úû

ù

êê

êë

é+ Ù

Ù Ù

2

2

1

1,

a (2.9)

÷÷

÷ ø

ö çç

ç è

æ

å ú

ú û

ù ê

ê ë

2

1å

=

Ù Ù

÷ø

öç

Hiệp phương sai của

m

m

ú

ú û

ù ê

ê ë

é -

= úû

ù êë

é

Ù

Ù Ù

Ù

2

1 ,

s

mb

Z

Z Z

1

*

*1

*

÷

÷ø

öç

çè

æ-

÷

÷ø

öç

çè

æ-

=

Ù

=

Ù Ù

ö ç

ç ç ç è

æ

å ú ú ú ú û

ù ê

ê ê ê ë

é +

Ù Ù Ù

s m

2 2

1 1

,

~

*

m m T

[ ]R t (E[ ]R mt ) ( ) E[ ]R mt

E =ig +b -g = i-b g +b (2.17)

Với mô hình Black, mô hình không ràng buộc là mô hình thu nhập thực của thị trường Định nghĩa Rt là véctơ có kích thước (Nx1) của các thu nhập thực từ N tài sản hoặc danh mục các tài sản Từ các tài sản này, mô hình thu nhập thực của thị trường sẽ là:

t mt

β là véctơ beta của các tài sản có kích thước (Nx1), Rmt thu nhập của danh mục thị trường ở thời kỳ t và α, εt là các véctơ có kích thước (Nx1) lần lượt là hệ số chặn của thu nhập và yếu tố nhiễu

Có thể dễ dàng xác định được hệ quả của mô hình Black bằng cách so sánh các kỳ vọng không điều kiện của (2.18) và (2.17)

Đó là a =(i-b)g

Kiểm định hệ quả này phức tạp hơn so với kiểm định ràng buộc hệ số chặn bằng 0 của mô hình Sharpe-Lintner bởi vì tham số β và γ tham gia vào mô hình phi tuyến

Với giả định phân phối đồng nhất xác định và thu nhập theo phân phối chuẩn liên tục thì mô hình CAPM của Black có thể ước lượng và kiểm định bằng cách sử dụng phương pháp thích hợp cực đại Các tham số ước lượng thích hợp cực đại của

mô hình không ràng buộc (mô hình thu nhập thực của thị trường) ở (2.18) là giống với các tham số ước lượng của mô hình thu nhập vượt trội ngoại trừ thu nhập thực được thay thế bởi thu nhập vượt trội

- Đối với mô hình không ràng buộc, chúng ta xem xét mô hình thị trường trong điều kiện tỷ suất sinh lợi vượt trội so với tỷ suất sinh lợi kỳ vọng Beta 0 (γ)

(

^

gmbgimg

÷ø

öç

è

æ

-÷ø

öç

è

æ -

1

2 1

^

)(

1å

å

=

Ù Ù

Ù Ù

Ù Ù Ù

úû

ùêë

é

÷ø

öç

è

æ -

úû

-ùêë

é

÷ø

öç

è

æ -

-= T

t

m mt m

t m mt m

đại cụ thể như sau:

2

log 2 ) 2 log(

2

NT T

NT

L= - P - åÙ - không phụ thuộc vào y

- Khi α dần về 0 thì các tham số ước lượng ràng buộc là:

( )( )

2 1

b

å

-

mt t

T

t

R

R t R

* 1

÷÷

ø

öçç

è

æ -

-÷÷

ø

öçç

è

æ -å

ë

é

å-å-

=-

2.1.4 Kiểm định tính hiệu lực của mô hình[12]:

2.1.4.1 Kiểm định tính hiệu lực của mô hình CAPM phiên bản của Lintner:

Sharpe-Hệ quả mô hình CAPM của Sharpe-Lintner trong (2.1) là tất cả các phần tử

của vectơ α đều bằng 0 Hệ quả này đến từ việc so sánh các kỳ vọng không điều

kiện của (2.1) và (1.12) và kiểm định các giả thuyết cơ bản của mô hình Tất cả các

phần tử của α đều bằng 0 khi m là danh mục tiếp tuyến Do đó, chúng ta có thể kiểm

định tính hiệu lực của mô hình CAPM

Giả thiết H0: α=0 (nghĩa là mô hình có hiệu lực)

Đối thiết H1: α≠0 (nghĩa là mô hình không có hiệu lực)

(1) Kiểm định Wald – thống kê kiểm định J o

Sử dụng các tham số ước lượng không ràng buộc, chúng ta có thể thiết lập thống kê kiểm định Wald

Ù - Ù - Ù

Ù Ù

Ù

åúú

úû

ùê

ê

êë

é+

=úû

ùêë

é

úû

ùêë

é

s

ma

1

2

2 '

m

m

T Var

(2)Tiêu chuẩn kiểm định Fisher - Thống kê kiểm định J 1

Chúng ta có giá trị thống kê kiểm định J0 tuân thủ về quy định phân phối Chi bình phương với N bậc tự do Điều này là không chắc chắn đối với các mẫu có quy

mô nhỏ Tuy nhiên trong tình huống này, chúng ta không cần sử dụng đến luật phân phối số lớn để suy ra kết luận về việc sử dụng kiểm định Wald Luật phân phối cho một mẫu nhỏ được phát hiện bởi MacKinlay (1987) và Gibbons, Ross và Shanken (1989), có thể xác định bằng cách ứng dụng định lý của Muirhead (1983)

Ta có:

)1,

(

~1

1 2 2

-úú

úû

ù

êê

êë

é+

N T

(3) Kiểm định tỷ lệ thích hợp - Thống kê kiểm định J 2 và J 3

Để xem xét kiểm định tỷ lệ thích hợp, chúng ta cần các tham số ước lượng của mô hình ràng buộc

Cho trước cả 2 loại tham số ước lượng thích hợp cực đại (hệ số ước lượng của mô hình ràng buộc và không ràng buộc), chúng ta có thể kiểm định các giới hạn của mô hình Sharpe-Lintner bằng cách sử dụng kiểm định tỷ lệ thích hợp, kiểm định này dựa trên logarit của tỷ lệ thích hợp, đây là giá trị của hàm logarit của các tham

số ước lượng thích hợp không phụ thuộc cực đại hoá Ký hiệu LR là tỷ lệ logarit thích hợp, chúng ta có:

ú û

ù ê

ë

é

å - å -

= -

Trong đó L*

đại diện cho hàm logarit thích hợp ràng buộc

Kiểm định dựa trên kết quả tiệm cận theo giả thuyết H0, là -2 nhân cho hàm logarit của tỷ lệ thích hợp tuân thủ theo luật phân phối Chi bình phương với số bậc

tự do bằng với tổng số ràng buộc của H0 Chúng ta có thể kiểm định H0 bằng cách

û

ùê

ë

é

å-å

=-

Theo giả thiết H0 luật phân phối các mẫu xác định J2 có thể khác biệt so với luật phân phối của nó đối với mẫu lớn hơn Jobson và Korkie (1982) đã điều chỉnh đối với J2 và có các đặc tính mẫu tốt hơn Đặt J3 là giá trị thống kê đã điều chỉnh, chúng ta có:

c2

* 2

2

) 2 2 (

N

N T J T

N T

û

ù ê

ë

é

å - å

÷ ø

ö ç

è

-= -

Thống kê kiểm định J1 bằng cách sử dụng kết quả từ việc thiết lập hiệu quả toán học giúp chúng ta giải thích được ý nghĩa kinh tế Gibbons, Ross và Shanken (1989) chỉ ra rằng:

è

æ

-

-=

Ù Ù Ù

Ù Ù Ù

2 2 2 2 2 2

1

1 1

m m m m

q q

N

N T

J

sms

ms

m

Trong đó danh mục q đại diện cho danh mục tiếp tuyến được thiết lập từ N tài sản cộng thêm danh mục thị trường

2.1.4.2 Kiểm định tính hiệu lực của mô hình CAPM Beta zero:

Cho trước các tham số ước lượng thích hợp cực đại của mô hình ràng buộc

và mô hình không ràng buộc chúng ta có thể thiết lập thống kê kiểm định tỷ lệ thích hợp tiệm cận của H0 Giả thiết H0 và các các giả thiết khác được xác định:

H0: α = (ι – β)γ (nghĩa là mô hình có hiệu lực),

H1: α ≠ (ι – β)γ (nghĩa là mô hình không có hiệu lực)

Kiểm định tỷ lệ thích hợp có thể được thiết lập giống với kiểm định của mô hình Sharpe-Lintner trong (2.35) J4 được xác định là giá trị thống kê kiểm định, chúng ta có

2 1

*

-Ù Ù

úû

ùê

ë

é

å-å

Lưu ý rằng bậc tự do của luật phân phối theo giả thiết H0 là (N-1) Giống như mô hình của Sharpe – Lintner mô hình CAPM của Black giảm một bậc tự do bởi vì tỷ suất sinh lợi kỳ vọng Beta zero là một tham số tự do Bên cạnh các tham số N(N-1)/2 trong ma trận hiệp phương sai của các phân dư, mô hình không ràng buộc

có 2N tham số (N tham số từ véctơ α và N tham số từ véctơ β) Số lượng các tham

số ma trận hiệp phương sai mô hình ràng buộc gồm N tham số từ véctơ β và tham

số đến từ tỷ suất sinh lợi kỳ vọng của danh mục Beta zero (γ) Vì thế mô hình không ràng buộc có ít hơn (N-1) tham số tự do so với mô hình ràng buộc

Chúng ta có thể điều chỉnh J4 để cải thiện các thuộc tính của mẫu có qui mô nhỏ Ký hiệu J5 làgiá trị thống kê kiểm định đã được điều chỉnh Chúng ta có

2 1

*

-Ù Ù

÷

÷ ø

ö ç

ç

è

æ

ú û

ù ê

ë

é

å - å -

Trong mẫu nhỏ, quy luật phân phối của trị kiểm định theo giả thiết H0 của J5

là luật phân phối Chi bình phương

Chúng ta có thể rút ra 2 hạn chế từ các phương pháp mà chúng ta thảo luận ở trên Việc ước lượng này phải lặp đi lặp lại các điều kiện theo một trật tự Hơn nữa việc kiểm định này chỉ dựa vào luật số lớn và có thể tiến hành trên một mẫu xác định có các thuộc tính không đa dạng Chúng ta có thể sử dụng kết quả của Kandel

(1984) và Shanken (1986) để khắc phục những hạn chế này Họ đã chỉ ra cách xác định các tham số ước lượng thích hợp cực đại một các chính xác và cách để triển khai một kiểm định xấp xỉ trên một mẫu có quy mô nhỏ

Chúng ta có thể thiết lập kiểm định gần đúng theo mô hình Black bằng cách

sử dụng các khoản tỷ suất sinh lợi vượt trội như trong công thức (2.29), trong trường hợp γ được xác định thì kiểm định Fisher đối với mô hình của Sharpe-Lintner sẽ được thiết lập như trong công thức (2.33) và được áp dụng để kiểm định giả thuyết H0 mà ở đó hệ số chặn của mô hình tỷ suất sinh lợi vượt trội thị trường có Beta bằng 0 Giá trị thống kê kiểm định sẽ là

1 , 1

1 1

2 2

-Ù Ù - - Ù -

Ù

Ù

åú

úúú

û

ù

êêêê

ë

é

÷ø

öçè

æ +

m

F N

N T

s

gm

(2.40)

Bởi vì γ chưa biết, kiểm định trong (2.40) không thể thực hiện trực tiếp

Nhưng kiểm định gần đúng có thể thực hiện với ÷÷

ø

ö çç è

Cuối cùng chúng ta rút ra kết luận đối với tỷ suất sinh lợi kỳ vọng của danh mục Beta Zero Cho trước tham số ước lượng thích hợp cực đại γ, cần phải xác định được phương sai tiệm cận của nó để có kết luận chính xác Bằng cách sử dụng ma trận Fisher, phương sai tiệm cận của tỷ lệ thích hợp cực đại γ là

1 1

' 2

*

1 1

Ù Ù - Ù Ù

-Ù Ù

ú

ú û

ù ê

ê ë

é

÷ ø

ö ç è

æ å

-÷ ø

ö ç è

ö ç

ç ç ç è

æ

÷ ø

ö ç

è

-+ +

= ú û

ù ê

m

m a

T

Hệ số ước lượng này có thể xác định bằng cách ước lượng các tỷ lệ thích hợp cực đại và sau đó những kết luận liên quan đến giá trị của γ cũng có thể xác định

được theo phân phối tiệm cận chuẩn của gÙ*

2.1.4.3 Kiểm định các giả thiết đối với β

Tương tự, trong mô hình thu nhập vượt trội thị trường, giá trị ước lượng β đo lường quan hệ rủi ro hệ thống của tài sản so với rủi ro của danh mục thị trường Một trong những giả thuyết kiểm định đáng quan tâm là rủi ro hệ thống của tài sản có cùng mức độ với rủi ro của danh mục thị trường và đối thuyết là rủi ro hệ thống của tài sản khác với rủi ro của danh mục thị trường Những giả thuyết này có thể định dạng như là kiểm định hai phía

1

1

bs

Một khi giả thuyết H0 được khẳng định, chúng ta có thể kết luận rằng rủi ro

hệ thống của các chứng khoán luôn bằng với mức độ rủi ro của danh mục thị

trường Hay ngược lại, khi đối thiết H 1 được khẳng định chúng ta có thể phát biểu

rủi ro hệ thống của chứng khoán luôn khác với mức độ rủi ro của danh mục thị trường Trong trường hợp này, chúng ta cần phải kiểm định một phía đối với giả thiết β < 1 hay β >1 để khẳng định mối quan hệ chính xác giữa mực độ rủi ro hệ thống khi đầu tư vào chứng khoán và mức độ rủi ro của danh mục thị trường

Chúng ta cũng có thể kiểm định giả thiết cho rằng rủi ro của tài sản bằng với mức độ rủi ro của danh mục thị trường và đối thiết sẽ là rủi ro của tài sản nhỏ hơn rủi ro của danh mục thị trường hoặc đối thiết sẽ là rủi ro của tài sản lớn hơn rủi ro của danh mục thị trường

H0: β =1 và H1: β <1 hoặc H1: β>1

Đây là kiểm định một phía và chúng ta chỉ bác bỏ giả thiết H0 chỉ trong trường hợp giá trị ước lượng giá trị ước lượng của β >1 Chúng ta sử dụng giá trị thống kê Ù Ù

Ù

=

-= ) (

1

1

bs

b

b

t , nhưng quy tắc quyết định sẽ khác trường hợp trước đây Nếu

tβ=1 < -t(1-α),T-2 (trong trường hợp H1: β <1) hoặc tβ=1 > t(1-α),T-2 (trong trường hợp H1:

β >1), chúng ta bác bỏ giả thiết H0 với mức ý nghĩa 5%

Như vậy, thông qua công tác kiểm định đối với các giả thiết β, chúng ta có thể khẳng định giả thiết H0 hoặc đối thiết H1 tồn tại một cách có ý nghĩa Lúc bấy giờ chúng ta có thể khẳng định chính xác quan hệ giữa mức độ rủi ro hệ thống khi đầu tư vào chứng khoán và mức độ rủi ro của danh mục thị trường

2.2 PHƯƠNG PHÁP MÔ - MEN TỔNG QUÁT (GMM)[12]

sự phụ thuộc theo thời gian của các chuỗi thu nhập chứng khoán Mặc dù sự phụ thuộc theo thời gian làm cho mô hình CAPM không thể đúng như mô hình lý thuyết những vẫn phải kiểm tra mô hình thực nghiệm Bởi vậy cần phải quan tâm đến hệ quả của việc nới lỏng các giả định thống kê

Sự ổn định của các kiểm định đối với mô hình CAPM cần được thiết lập bằng phương pháp Mô-men tổng quát – GMM (Generalized Method of Moments) Trong phương pháp GMM, phân phối của chuỗi thu nhập phụ thuộc vào thu nhập thị trường có thể từng kỳ phụ thuộc và phương sai sai số thay đổi theo thời gian Chúng ta chỉ cần giữ lại giả định thu nhập vượt trội là dừng và suy thoái với Mô-mem bậc bốn hữu hạn

2.2.2 Ước lượng mô hình CAPM bằng phương pháp GMM

Chúng ta tiếp tục với T quan sát theo thời gian và N tài sản Chúng ta cần thiết lập vectơ Mô-men điều kiện với kỳ vọng toán bằng không Mô-men điều kiện này cần thiết lập từ mô hình thu nhập vượt trội thị trường Véctơ phần dư của mô hình sẽ cung cấp N Mô-men điều kiện và tích số của thu nhập vượt trội thị trường

và vectơ phần dư cung cấp N Mô-men điều kiện khác