Tác động của biến động lãi suất và tỷ giá lên tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu: bằng chứng tại các ngân hàng thương mại Việt Nam

Ngoài ra, độ nhạy tỷ suất sinh lợi cổ phiếu ngân hàng được tìm thấy là mạnh đối với tỷ suất sinh lợi chỉ số thị trường hơn biến động lãi suất và biến động tỷ giá hối đoái, thể hiện tỷ su

-o0o -

NHAN ĐẶNG HẢI PHƯƠNG

TÁC ĐỘNG CỦA BIẾN ĐỘNG LÃI SUẤT VÀ TỶ GIÁ LÊN TỶ SUẤT SINH LỢI VÀ BIẾN ĐỘNG TỶ SUẤT SINH LỢI CỔ PHIẾU: BẰNG CHỨNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI

VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

TP H ồ Chí Minh - Năm 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TR ƯỜNG ĐẠI HỌC KINH TẾ TP HCM

-o0o -

NHAN ĐẶNG HẢI PHƯƠNG

TÁC ĐỘNG CỦA BIẾN ĐỘNG LÃI SUẤT VÀ TỶ GIÁ LÊN TỶ SUẤT SINH LỢI VÀ BIẾN ĐỘNG TỶ SUẤT SINH LỢI CỔ PHIẾU: BẰNG CHỨNG TẠI CÁC NGÂN HÀNG THƯƠNG MẠI

VIỆT NAM

Chuyên ngành: Tài chính - Ngân hàng

Mã s ố: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NG ƯỜI HƯỚNG DẪN KHOA HỌC: GS.TS TRẦN NGỌC THƠ

TP H ồ Chí Minh - Năm 2014

L ỜI CAM ĐOAN

Tác giả xin cam đoan rằng đây là công trình nghiên cứu của tác giả, có sự

hướng dẫn hỗ trợ từ người hướng dẫn khoa học là GS TS Trần Ngọc Thơ Các nội dung nghiên cứu và kết quả trong đề tài này là trung thực và chưa từng được ai công

bố trong bất cứ công trình nghiên cứu khoa học nào Những số liệu trong các bảng

biểu phục vụ cho việc phân tích, nhận xét, đánh giá được chính tác giả thu thập từ các nguồn khác nhau có ghi trong phần tài liệu tham khảo

Nếu có bất kỳ sai sót, gian lận nào tác giả xin hoàn toàn chịu trách nhiệm

trước Hội đồng cũng như kết quả luận văn của mình

TP Hồ Chí Minh,ngày ….tháng … năm 2014

Tác giả

Nhan Đặng Hải Phương

DANH M ỤC BẢNG

B ảng 3.1: Các Ngân hàng TMCP trong mẫu nghiên cứu 27

B ảng 4.1: Thống kê mô tả các biến 32

B ảng 4.2: Ma trận tương quan của các biến 37

B ảng 4.3: Bảng tổng hợp kết quả kiểm định ADF 40

B ảng 4.4: Ước lượng hồi quy OLS của từng cổ phiếu Ngân hàng và của danh m ục cổ phiếu Ngân hàng 48

Bảng 4.5: Ước lượng biến động của tỷ suất sinh lợi của các cổ phiếu và danh mục cổ phiếu 52

Bảng 4.6: Ước lượng biến động lãi suất và tỷ giá đối với biến động tỷ suất sinh lợi của cổ phiếu ngân hàng riêng lẻ và danh mục cổ phiếu ngân hàng 55

DANH M ỤC TỪ VIẾT TẮT

ADF: Kiểm định Augmented Dickey - Fuller

ARCH: Autoregressive Conditional Heteroskedasticity

Phương sai thay đổi có điều kiện tự hồi quy GARCH: Generalized Autoregressive Conditional Heteroskedasticity

Phương sai thay đổi có điều kiện tự hồi quy tổng quát hóa HOSE: S ở giao dịch chứng khoán Thành phố Hồ Chí Minh

HNX: S ở giao dịch chứng khoán Hà Nội

OLS: Ordinary Least Square

Phương pháp bình phương tối thiểu thông thường SGDCK: S ở Giao dịch Chứng khoán

TP HCM: Thành ph ố Hồ Chí Minh

UBCKNN: Ủy ban Chứng khoán Nhà nước

M ỤC LỤC TRANG PH Ụ BÌA

L ỜI CAM ĐOAN

M ỤC LỤC

DANH M ỤC BẢNG

DANH M ỤC TỪ VIẾT TẮT

TÓM T ẮT 1

CHƯƠNG 1 - MỞ ĐẦU 2

1.1 Lý do chọn Công trình nghiên cứu 2

1.2 Mục tiêu và câu hỏi nghiên cứu 2

1.3 Đối tượng, phạm vi và phương pháp nghiên cứu 3

1.4 Ý nghĩa công trình nghiên cứu 4

1.5 Cấu trúc đề tài 4

CHƯƠNG 2 - TỔNG QUAN CÁC KẾT QUẢ NGHIÊN CỨU TRƯỚC ĐÂY 5

2.1 Các nghiên cứu ở nước ngoài 5

2.2 Các nghiên cứu tại Việt Nam 8

2.3 Kết luận chương 2 9

CHƯƠNG 3: TRÌNH BÀY DỮ LIỆU NGHIÊN CỨU, MÔ HÌNH NGHIÊN CỨU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 10

3.1 Phương pháp nghiên cứu 10

3.1.1.Phân tích thống kê mô tả 10

3.1.2.Kiểm định tính dừng của chuỗi dữ liệu thời gian 10

3.1.3.Phân tích tương quan 14

3.1.4.Mô hình hồi quy tuyến tính cổ điển OLS 14

3.1.5.Mô hình ARCH/ GARCH để dự báo sự biến động rủi ro theo thời gian 19

3.2 Mô hình nghiên cứu thực nghiệm ở Việt Nam 22

3.2.1.Mô hình 1: Hồi quy OLS cơ bản 24

3.2.2.Mô hình 2: Sử dụng mô hình GARCH(1, 1) phân tích biến động của tỷ suất sinh lợi của các cổ phiếu hoặc danh mục cổ phiếu: 24

3.2.3 Mô hình 3: Tác động của biến động lãi suất và tỷ giá đối với biến động tỷ

suất sinh lợi của cổ phiếu ngân hàng riêng lẻ hoặc danh mục cổ phiếu 25

3.3 Thu thập và xử lý dữ liệu: 27

3.3.1.Dữ liệu nghiên cứu: 27

3.3.2.Xử lý dữ liệu 28

3.3.2.1 Biến tỷ suất sinh lợi cổ phiếu ngân hàng và danh mục cổ phiếu 28

3.3.2.2 Tỷ suất sinh lợi của chỉ số thị trường (MRK) 29

3.3.2.3 Biến động của lãi suất phi rủi ro hay chỉ số trái phiếu (INT) 30

3.3.2.4 Biến động của tỷ giá hối đoái (FX) 30

CH ƯƠNG 4 - KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ 31

4.1 Phân tích thống kê mô tả 31

4.2 Phân tích tương quan 37

4.3 Kiểm định tính dừng của chuỗi dữ liệu 39

4.4 Phân tích kết quả hồi quy 41

4.4.1.Kết quả hồi quy mô hình 1: Hồi quy OLS cơ bản 41

4.4.2.Kết quả hồi quy mô hình 2: Sử dụng mô hình GARCH(1, 1) phân tích biến động của tỷ suất sinh lợi của các cổ phiếu và danh mục cổ phiếu: 49

4.4.3.Mô hình 3: Tác động của biến động lãi suất và tỷ giá đối với biến động tỷ suất sinh lợi của cổ phiếu ngân hàng riêng lẽ và danh mục cổ phiếu ngân hàng 53

4.5 Kết luận Chương 4 56

CHƯƠNG 5 – KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH 58

5.1 Tóm tắt và trình bày kết quả nghiên cứu 58

5.2 Kiến nghị chính sách 59

5.3 Giới hạn của đề tài 60

5.4 Kiến nghị hướng nghiên cứu trong tương lai 60

PH Ụ LỤC

TÓM T ẮT

Bài nghiên cứu khảo sát tác động của biến động lãi suất và tỷ giá hối đoái lên tỷ

suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu tại các Ngân hàng thương mại cổ

phần Việt Nam Mô hình được sử dụng là mô hình OLS và GARCH Biến phụ thuộc được nghiên cứu là tỷ suất sinh lợi cổ phiếu tại các Ngân hàng thương mại cổ

phần Việt Nam và chỉ số ngành Ngân hàng, tác giả chọn mẫu là tám cổ phiếu được niêm yết tại HOSE, HNX trong giai đoạn từ ngày 03 tháng 09 năm 2009 đến 30 tháng 09 năm 2013 Ba biến độc lập được sử dụng để giải thích cho sự biến động

của tỷ suất sinh lợi Các biến độc lập là tỷ suất sinh lợi chỉ số thị trường (MRK),

biến động của lãi suất phi rủi ro (INT) và biến động của tỷ giá hối đoái (FX)

Kết quả nghiên cứu cho thấy biến động của lãi suất và tỷ giá hối đoái có tác động lên tỷ suất sinh lợi của cổ phiếu ngân hàng hay danh mục cổ phiếu ngân hàng Ngoài ra, độ nhạy tỷ suất sinh lợi cổ phiếu ngân hàng được tìm thấy là mạnh đối với

tỷ suất sinh lợi chỉ số thị trường hơn biến động lãi suất và biến động tỷ giá hối đoái,

thể hiện tỷ suất sinh lợi chỉ số thị trường có vai trò quan trọng trong việc quyết định

biến động của tỷ suất sinh lợi có điều kiện cổ phiếu Ngân hàng Kết quả cũng thể

hiện biến động tỷ suất sinh lợi của cổ phiếu ngân hàng hay danh mục cổ phiếu ngân hàng bị ảnh hưởng bởi các cú sốc trong quá khứ và biến động lãi suất và tỷ giá không những tác động lên tỷ suất sinh lợi của cổ phiếu hoặc danh mục cổ phiếu mà còn tác động lên biến động tỷ suất sinh lợi cổ phiếu hoặc danh mục cổ phiếu

Từ khoá: rủi ro thị trường, rủi ro lãi suất, rủi ro tỷ giá hối đoái, tỷ suất sinh lợi cổ phiếu Ngân hàng, GARCH

CHƯƠNG 1 - MỞ ĐẦU 1.1 Lý do ch ọn Công trình nghiên cứu

Trong nền kinh tế thị trường, hệ thống ngân hàng được ví như mạch máu của nền kinh tế Vì thế hệ thống ngân hàng hoạt động thông suốt, lành mạnh và hiệu quả sẽ

là tiền đề để các nguồn lực tài chính luân chuyển, phân bổ và sử dụng hiệu quả, kích thích tăng trưởng kinh tế một cách bền vững Trong những năm gần đây, với quá trình tự do hoá thị trường tài chính các Ngân hàng mở rộng hoạt động ở nước ngoài

và một phần nào đó bị tác động của rủi ro lãi suất, tỷ giá hối đoái do thị trường tài chính bất ổn Để giảm sự tác động rủi ro lãi suất và tỷ giá, các Ngân hàng tham gia

hoạt động ngoại bảng đa dạng và thực hiện kỷ thuật quản lý rủi ro Tuy nhiên do thiếu công cụ và kỹ thuật quản lý nên các Ngân hàng ở thị trường mới nổi dễ bị tổn thương hơn và phải thường xuyên đối mặt với các cuộc khủng hoảng tài chính nghiêm trọng Thêm vào đó, việc không phù hợp kỳ hạn giữa các tài sản, nợ phải trả

và sự thay đổi không như kỳ vọng trong lãi suất, tỷ giá hối đoái được xem như là

yếu tố chính dẫn đến tăng nguy cơ rủi ro cho ngân hàng Ngoài ra, hầu hết các nhà phân tích tài chính và nhà kinh tế đồng ý rằng tỷ suất sinh lợi cổ phiếu Ngân hàng bị ảnh hưởng bởi những thay đổi không như kỳ vọng của lãi suất và tỷ giá hối đoái Để cung cấp các luận cứ khoa học và góp phần giúp các nhà xây dựng chính sách ổn định tài chính, thúc đẩy sự phát triển hệ thống Ngân hàng nói riêng và nền kinh tế

quốc dân Việt Nam nói chung, tác giả nghiên cứu tác động biến động lãi suất và tỷ giá hối đoái lên tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu: bằng chứng

tại các Ngân hàng thương mại Việt Nam

1.2 M ục tiêu và câu hỏi nghiên cứu

Mục tiêu nghiên cứu của đề tài là tìm hiểu ảnh hưởng của biến động lãi suất và tỷ giá hối đoái lên tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu tại các Ngân hàng thương mại Việt Nam trong giai đoạn 03 tháng 09 năm 2009 đến 30 tháng 09 năm 2013 bằng phương pháp ước lượng OLS và GARCH Các câu hỏi được đặt ra trong công trình nghiên cứu:

Câu hỏi 1: Biến động của lãi suất và tỷ giá hối đoái có tác động đến tỷ suất sinh lợi

của cổ phiếu ngân hàng hay danh mục cổ phiếu ngân hàng không? Nếucó, mức độ

và chiều hướng tác động của 2 nhân tố này như thế nào?

Câu hỏi 2: Biến động tỷ suất sinh lợi của cổ phiếu ngân hàng hay danh mục cổ phiếu ngân hàng có bị ảnh hưởng bởi các cú sốc trong quá khứ không? Mức độ ảnh hưởng của biến này so với biến động tỷ suất sinh lợi trong quá khứ như thế nào? Câu hỏi 3: Biến động của lãi suất và tỷ giá chỉ ảnh hưởng đến tỷ suất sinh lợi của cổ phiếu hoặc danh mục cổ phiếu hay chúng còn có tác động đến biến động tỷ suất sinh lợi cổ phiếu hoặc danh mục cổ phiếu?

1.3 Đối tượng, phạm vi và phương pháp nghiên cứu

Đối tượng nghiên cứu: nghiên cứu tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu các Ngân hàng thương mại cổ phần đang niêm yết tại Sở giao dịch chứng khoán TP HCM (HOSE) và Sở giao dịch chứng khoán Hà Nội (HNX)

Phạm vi nghiên cứu: việc phân tích thực nghiệm tiến hành với số liệu trong giai đoạn 03 tháng 09 năm 2009 đến 30 tháng 09 năm 2013 Việc phân chia thời gian này nhằm phục vụ việc thu thập thông tin cũng như dữ liệu tham chiếu

Phương pháp nghiên cứu: Bài nghiên cứu sử dụng phương pháp định lượng:

• Mô hình OLS để xác định mối quan hệ giữa tỷ suất sinh lợi cổ phiếu các ngân hàng riêng lẻ, danh mục cổ phiếu ngân hàng và biến tỷ suất sinh lợi của chỉ số

thị trường, biến động lãi suất phi rủi ro, biến động của tỷ giá hối đoái

• Mô hình GARCH để ước lượng biến động tỷ suất sinh lợi của các cổ phiếu hoặc danh mục cổ phiếu,biến động lãi suất và tỷ giá đối với biến động tỷ suất sinh lợi

của cổ phiếu ngân hàng riêng lẻ hoặc danh mục cổ phiếu

Công cụ phân tích: Phần mềm thống kê sử dụng chủ đạo trong nghiên cứu là Eview 6.0 để hồi quy chuỗi thời gian của tỷ suất sinh lợi và dự báo sự biến động của rủi ro theo thời gian

1.4 Ý nghĩa công trình nghiên cứu

Bài nghiên cứu này có hai đóng góp quan trọng về mặt lý luận và thực tiễn:

Về mặt lý luận: tác giả đã tổng hợp và thống kê một số nghiên cứu trước đây về tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu ngân hàng Việt Nam

Về mặt thực tiễn, tác giả nhận thấy công trình nghiên cứu sẽ cung cấp nhiều thông tin giá trị cho các nhà xây dựng chính sách, nhà quản trịngân hàng, cổđông hiện hữu và các nhà đầu tư tiềm năng Ngoài ra, kết quả nghiên cứu sẽ góp phần cung cấp các thông tin có hữu ích cho các đối tượng có quan tâm

Dựa vào kết quả nghiên cứu, các nhà quản lý ngân hàng sẽ cân nhắc trong quá trình xây dựng và ra quyết định về chính sách quản lý hiệu quả nhằm giúp ngân hàng giảm thiểu được rủi ro, hoạt động hiệu quả và góp phần nâng cao vị thế của ngân hàng trên thị trường

Dựa vào các bằng chứng thực nghiệm từ nghiên cứu, các nhà đầu tư tham khảo để quyết định đầu tư vào cổ phiếu ngân hàng và Chính phủ, Ngân hàng Nhà nướccó cơ sở ban hành các quy định và chính sách phù hợp

1.5 C ấu trúc đề tài

Bài nghiên cứu này được chia làm 05 chương:

Chương 1: Giới thiệu chung về lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng, phạm vi và phương pháp nghiên cứu, ý nghĩa của đề tài và cấu trúc của đề tài

Chương 2: Tổng quan các kết quả nghiên cứu trước đây

Chương 3: Trình bày dữ liệu nghiên cứu, mô hình nghiên cứu và phương pháp nghiên cứu

Chương 4: Kết quả nghiên cứu

Chương 5: Kết luận tóm tắt các kết quả nghiên cứu đạt được và nêu ra những hạn chế tồn tại của nghiên cứu, từ đó đề xuất hướng mở cho những nghiên cứu sau này

CHƯƠNG 2 - TỔNG QUAN CÁC KẾT QUẢ NGHIÊN CỨU TRƯỚC ĐÂY

Hầu hết các nghiên cứu hiện tại tập trung vào độ nhạy lãi suất và tỷ giá hối đoái của

tỷ suất sinh lợi cổ phiếu ngân hàng thông qua việc sử dụng phương pháp khác nhau Các phương pháp khác nhau này lần lượt cho kết quả thực nghiệm khác nhau

2.1 Các nghiên c ứu ở nước ngoài

Trước tiên, Stone (1974) đã nghiên cứu độ nhạy của lãi suất hệ thống với mô hình hai nhân tố tỷ suất sinh lợi Tác giả sử dụng Mô hình hai nhân tố với nhân tố thứ nhất là

tỷ suất sinh lợi trên chỉ số vốn chủ sở hữu và nhân tố thứ hai là tỷ suất sinh lợi trên chỉ số trái phiếu Mô hình hai nhân tố đã giúp giải thích tốt hơn quá trình ngẫn nhiên tạo ra tỷ suất sinh lợi chứng khoán thay vì mô hình một nhân tố

Lloyd và Shick (1977) tiếp tục mở rộng nghiên cứu mô hình hai nhân tố tỷ suất sinh lợi của Stone Tác giả đã sử dụng GARCH-M để kiểm định tác động của lãi suất và biến động của chính nó lên quá trình tạo ra tỷ suất sinh lợi cổ phiếu ngân hàng Tác giả sử dụng mô hình ARCH, GARCH và kết quả thu được cho thấy thứ nhất là hiệu ứng biến động phản hồi được tìm thấy có ý nghĩa Thứ hai, lãi suất và biến động lãi suất có tác động trực tiếp đến phân phối tỷ suất sinh lợi cổ phiếu ngân hàng Thứ ba, mức độ vững trong những cú sốc là đáng kể cho tất cả danh mục ngân hàng, chế độ chính sách tiền tệ hiện hành

Dinenis & S K Staikouras (1998) nghiên cứu tác động của sự thay đổi lãi suất hiện tại và không mong đợi lên tỷ suất sinh lợi cổ phiếu phổ thông của danh mục các định chế tài chính ở Anh Tác giả sử dụng mô hình hai nhân tố với nhân tố thứ nhất là tỷ suất sinh lợi cổ phiếu phổ thông, nhân tố thứ hai là biến động lãi suất Và kết quả cho thấy có mối quan hệ ngược chiều giữa tỷ suất sinh lợi cổ phiếu phổ thông và biến động lãi suất; tỷ suất sinh lợi cổ phiếu phổ thông và biến động lãi suất có mối quan hệ tương quan ngược chiều đáng kể

Harald A Benink – Christian C P Wolff (2000) nghiên cứu thực nghiệm độ nhạy lãi suất của tỷ suất sinh lợi cổ phiếu của hai mươi ngân hàng lớn nhất tại Mỹ với việc sử dụng mô hình ARIMA Kết quả cho thấy độ nhạy lãi suất có mối quan hệ nghịch biến

với tỷ suất sinh lợi cổ phiếu ngân hàng Mỹ trong giai đoạn cuối thập niên 1980 đến đầu thập niên 1990, kết quả có ý nghĩa thống kê

Konstantinos Drakos (2001) sử dụng mô hình GARCH-M để nghiên cứu ảnh hưởng của biến động lãi suất dài hạn lên tỷ suất sinh lợi cổ phiếu các Ngân hàng niêm yết trên Athens Stock Exchange trong giai đoạn ngày 14 tháng 11 năm 1997 đến ngày 16 tháng 11 năm 2000 Với dữ liệu nghiên cứu bao gồm giá cổ phiếu phổ thông đóng cửa hàng ngày của chín ngân hàng được niêm yết tại Athens Stock Exchange trong giai đoạn ngày 14 tháng 11 năm 1997 đến ngày 16 tháng 11 năm 2000, cung cấp 785 quan sát cho mỗi cổ phiếu Kết quả nghiên cứu thấy rằng các biến tương quan với độ nhạy lãi suất, vốn lưu động và có ý nghĩa thống kê

Choi và cộng sự (1992) áp dụng mô hình ba nhân tố nghiên cứu tác động đến tỷ suất sinh lợi cổ phiếu Ngân hàng Mỹ đồng thời ước lượng tác động của thị trường, tỷ giá hối đoái và các yếu tố lãi suất với giả định điều kiện sai số thay đổi Việc phân tích một cách chung chung tác động của hoặc lãi suất hoặc tỷ giá trên tỷ suất sinh lợi cổ phiếu ngân hàng, tác giả cung cấp bằng chứng về độ nhạy lãi suất hơn là độ nhạy tỷ giá hối đoái ngụ ý rằng biến động tỷ giá dẫn đến sự gia tăng trong biến động tỷ suất sinh lợi cổ phiếu ngân hàng Do biến động phân nhóm, đòn bẩy và ảnh hưởng mô hình ARCH của các dữ liệu tần số cao, phương pháp ước lượng tuyến tính (OLS) tạo

ra kết quả sai lệch và mâu thuẫn Dựa trên giả định phương sai có điều kiện phụ thuộc thời gian, một vài nghiên cứu đã sử dụng mô hình ARCH/ GARRCH để nắm bắt tính chất rủi ro thay đổi theo thời gian trong những dữ liệu này

Mansur và Elyasiani (1995) sử dụng mô hình ước lượng ARCH để nghiên cứu tác động của mức độ và biến động lãi suất trên tỷ suất sinh lợi cổ phiếu ngân hàng Kết quả nghiên cứu thấy rằng lãi suất và biến động kỳ vọng của chúng ảnh hưởng mạnh đến tỷ suất sinh lợi cổ phiếu ngân hàng

Flannery et al (1997), lại sử dụng mô hình GARCH hai nhân tố để nghiên cứu mối quan hệ giữa định giá tài sản, rủi ro thay đổi theo thời gian và rủi ro lãi suất Kết quả cho thấy ảnh hưởng của lãi suất ít mạnh mẽ trong danh mục đầu tư cổ phiếu ngân hàng

Năm 1998, Elyasiani và Mansur tiếp tục sử dụng mô hình GARCH-M để nghiên cứu mức độ biến động của lãi suất lên độ nhạy của sự phân phối tỷ suất sinh lợi cổ phiếu ngân hàng Kết quả cho thấy sự thay đổi lãi suất có tác động ngược chiều ngay từ lần đầu trong khi sự biến động liên quan lại ảnh hưởng sau đó đến phân phối tỷ suất sinh lợi cổ phiếu ngân hàng

Đến năm 2003, Elyasiani và Mansur tiếp tục nghiên cứu hiệu ứng lan tỏa quốc tế của rủi ro và tỷ suất sinh lợi giữa các định chế tài chính: sử dụng mô hình GARCH 2 biến Trong khuôn khổ nghiên cứu, các ngân hàng được tìm thấy có độ nhạy cao với

cú sốc vĩ mô như tỷ giá hối đoái, lãi suất, với sự tác động trễ tại mức độ biến động Hướng và độ lớn của hiệu ứng từ biến động lãi suất và các cú sốc phi hệ thống ở một nước rất nhạy với các nước khác trong đó Mỹ đóng vai trò lãnh đạo Những phát hiện này giúp ổn định tài chính quốc tế, đa dạng hóa danh mục đầu tư quốc tế, xây dựng chính sách của ngân hàng trung ương và các cơ quan tài chính

Hooy et al (2004) sử dụng mô hình GARCH-M để nghiên cứu độ nhạy lãi suất và rủi

ro tỷ giá của các cổ phiếu ngân hàng ở Malaysia trong suốt cuộc khủng hoảng tài chính gần đây Kết quả cho thấy rằng giai đoạn trước và trong khi cuộc khủng hoảng, việc định giá cổ phiếu ngân hàng ít nhạy với rủi ro lãi suất và tỷ giá mặc dù rủi ro của các ngân hàng Malaysia tăng sau chính sách kiểm soát vốn và chương trình hợp nhất ngân hàng

Susan Ryan và Andrew C Worthington (2002) dùng mô hình GARCH - M, để xem xét độ nhạy theo thời gian lên tỷ suất sinh lợi cổ phiếu ngân hàng Úc do tác động của rủi ro thị trường, lãi suất và tỷ giá hối đoái Với việc thu thập dữ liệu để mô hình hóa các rủi ro trong giai đoạn 1996-2001 là tỷ suất sinh lợi danh mục ngân hàng hàng ngày, chỉ số tích lũy thị trường rộng, lãi suất ngắn hạn, trung và dài hạn, và tỷ giá hối đoái được sử dụng Kết quả cho thấy rủi ro thị trường là yếu tố quan trọng quyết định

tỷ suất sinh lợi cổ phiếu ngân hàng, cùng với mức lãi suất kỳ hạn ngắn, trung hạn và biến động của chúng Tuy nhiên, lãi suất dài hạn và tỷ giá hối đoái đã không xuất hiện đáng kể cho quá trình tạo ra tỷ suất sinh lợi cổ phiếu ngân hàng trong giai đoạn xem xét

Đồng thuận với nghiên cứu của Elyasiani và Mansur (2003), S Kasman và các cộng

sự (2011), đã sử dụng mô hình OLS, GARCH để nghiên cứu tác động của lãi suất và biến động tỷ giá hối đoái lên biến động và tỷ suất sinh lợi của cổ phiếu ngân hàng, bằng chứng tại Thổ Nhĩ Kỳ Bằng việc thu thập dữ liệu chuỗi thời gian với mẫu bao gồm 13 cổ phiếu ngân hàng thương mại Thổ Nhĩ Kỳ được liệt kê trên Istanbul Stock Exchange (ISE) trong giai đoạn từ ngày 27 tháng 07 năm 1999 đến ngày 9 tháng 4 năm 2009 Kết quả nghiên cứu cho thấy biến động lãi suất và tỷ giá hối đoái có tác động ngược chiều và đáng kể vào tỷ suất sinh lợi cổ phiếu ngân hàng có điều kiện và

độ nhạy tỷ suất sinh lợi cổ phiếu ngân hàng được xác định là mạnh đối với tỷ suất sinh lợi nhân tố thị trường hơn lãi suất và tỷ giá hối đoái

2.2 Các nghiên cứu tại Việt Nam

Huỳnh Thế Nguyễn và Nguyễn Quyết (2013) lại nghiên cứu mối liên hệ giữa tỷ giá hối đoái, lãi suất và giá cổ phiếu trên thị trường Tp Hồ Chí Minh trong giai đoạn tháng 10 năm 2007 đến tháng 10 năm 2012 Các biến trong mô hình phân tích bao gồm tỷ giá USD, lãi suất thị trường liên ngân hàng, chỉ số giá cổ phiếu được lấy logarit tự nhiên trước khi tiến hành phân tích Tác giả sử dụng số liệu chuỗi thời gian theo tháng và phương pháp phân tích số liệu dựa trên kiểm định nghiệm đơn vị, kiểm định nhân quả Granger, mô hình Var để ước lượng các hàm phản ứng với ba biến số ở dạng logarit và hàm phân rã phương sai Kết quả phân tích cho thấy có mối liên hệ giữa giá cổ phiếu với tỷ giá hối đoái tại bậc trễ hai và lãi suất tại bậc trễ một Đồng thời giá cổ phiếu còn bị tác động bởi chính nó tại bậc trễ một và hai Bài nghiên cứu nhằm cung cấp đẩy đủ bức tranh về nguyên nhân gây cú "sốc" giá cổ phiếu ở nước ta

và Tp Hồ Chí Minh, cung cấp các luận cứ khoa học giúp các nhà làm chính sách xây dựng các chính sách thúc đẩy sự phát triển của thị trường chứng khoán nói riêng và nền kinh tế quốc dân nói chung

Trương Đông Lộc và cộng sự (2011) sử dụng mô hình OLS và GARCH (1,1) để kiểm định mối quan hệ giữa lợi nhuận và rủi ro của các cổ phiếu niêm yết trên Sở giao dịch chứng khoán thành phố Hồ Chí Minh Số liệu sử dụng trong nghiên cứu bao gồm chuỗi dữ liệu VNindex và giá của tám mươi cổ phiếu niêm yết trên HOSE với tần

suất tuần được thu thập trong khoản thời gian từ ngày 02/01/2007 – 31/12/2009 Tác giả sử dụng phương pháp phân tích hồi quy, kết quả cho thấy danh mục có rủi ro càng cao thì lợi nhuận của nó càng cao Ngoài ra, nghiên cứu còn chỉ ra có mối quan hệ tuyến tính giữa lợi nhuận và rủi ro của các cổ phiếu niêm yết trên HOSE

- Biến động lãi suất và tỷ giá hối đoái có tác động ngược chiều và đáng kể vào

tỷ suất sinh lợi cổ phiếu ngân hàng có điều kiện và độ nhạy tỷ suất sinh lợi cổ phiếu ngân hàng được xác định là mạnh đối với tỷ suất sinh lợi chỉ số thị trường hơn lãi suất và tỷ giá hối đoái…

Nhìn chung, các phân tích thực nghiệm được thực hiện, tuy nhiên không có sự đồng nhất trong kết quả nghiên cứu Và các nghiên cứu hầu hết được thực hiện tại thị trường phát triển nhưng tại thị trường mới nổi thì rất ít Tác giả tiến hành nghiên cứu

“Tác động của biến động lãi suất và tỷ giá hối đoái lên tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu tại thị trường Việt Nam là cần thiết và phù hợp”

CHƯƠNG 3: TRÌNH BÀY DỮ LIỆU NGHIÊN CỨU, MÔ HÌNH NGHIÊN

CỨU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 3.1 Phương pháp nghiên cứu

3.1.1 Phân tích th ống kê mô tả

Phương pháp này được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập

nhằm có cái nhìn tổng quát nhất về mẫu nghiên cứu Thông qua mô tả, tóm tắt

thống kê các biến độc lập và biến phụ thuộc trong giai đoạn ngày 03 tháng 09 năm

2009 đến 30 tháng 09 năm 2013 cho thấy được giá trị trung bình, trung vị, độ lệch chuẩn, giá trị lớn nhất và bé nhất, hệ số đối xứng, hệ số nhọn, thống kê JB (thống kê Jarque-Bera)

3.1.2 Ki ểm định tính dừng của chuỗi dữ liệu thời gian

Khái niệm tính dừng rất quan trọng trong phân tích chuỗi thời gian Một chuỗi thời gian dừng có đặc điểm sau:

• Dữ liệu dao động xung quanh một giá trị trung bình cố định trong dài hạn,

• Dữ liệu có giá trị phương sai xác định không thay đổi theo thời gian,

• Dữ liệu có một giản đồ tương quan với các hệ số tự tương quan sẽ giảm dần khi độ trễ tăng lên

Trước hết, nên tìm hiểu khái niệm độ trễ Yt-k là chuỗi thời gian Ytcó k độ trễ nghĩa

là phải mất k thời gian mới có đủ dữ liệu chuỗi thời gian Yt Khi sử dụng chuỗi thời gian có độ trễ, ta sẽ bị mất biến quan sát Độ trễ càng tăng, số biến quan sát bị mất càng nhiều Vấn đề này sẽ tác động đáng kể trong việc cân nhắc lựa chọn mô hình Quay trở lại đặc điểm của một chuỗi thời gian được xem là dừng, diễn đạt theo ngôn ngữ thống kê như sau:

• E(Yt) là một hằng số cho tất cả thời điểm t

• Cov(Yt,Yt-k) là một hằng số cho tất cả các thời điểm t và k khác 0 nghĩa là hiệp

phương sai giữa Yt và Yt-k chỉ phụ thuộc vào độ dài của (k) về thời gian giữa t

vàt- k, không ph ụ thuộc vào thời điểm t Chẳng hạn, Cov(Y 12,Y7) = Cov(Y13,Y8)= Cov(Y28,Y23) Ta nên nhớ Cov(Yt,Yt-6) không đổi nhưng Cov(Yt,Yt-6) có thể khác với Cov(Yt,Yt-5)

Cov(Yt,Yt-k) = gk = E[(Yt - µ)(Y t-k -µ]

Giả sử khi ta di chuyển lùi giá trị gốc của Y từ Yt sang Yt-k Nếu Yt là một chuỗi

dừng thì giá trị trung bình, phương sai, và hiệp phương sai của Yt-k phải bằng trung bình, phương sai và các hiệp phương sai của Yt

Tóm lại, một chuỗi thời gian dừng nếu trung bình, phương sai của nó không đổi theo thời gian và hiệp phương sai giữa hai thời đoạn chỉ phụ thuộc vào khoảng cách

và độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm

thực tế mà đồng phương sai được tính

Một chuỗi dữ liệu dừng luôn có xu hướng trở về giá trị trung bình và những dao động xung quanh giá trị trung bình sẽ là như nhau Ta cũng có thể suy ngược lại,

một chuỗi thời gian không dừng theo cách ta đã định nghĩa về chuỗi dừng ở trên sẽ

có giá trị trung bình thay đổi theo thời gian, giá trị phương sai thay đổi theo thời gian hoặc cả hai

Tại sao chuỗi thời gian dừng lại quan trọng? Gujarati (2003) cho rằng nếu một chuỗi thời gian không dừng, chúng ta chỉ có thể nghiên cứu hành vi của nó trong

thời gian đang xem xét Mỗi một chuỗi dữ liệu theo thời gian sẽ mang một tình tiết

nhất định và chỉ thể hiện những hành vi cụ thể trong khoảng thời gian đó Kết quả

là, chúng ta không thể khái quát hóa cho các giai đoạn khác nghĩa là không thể lấy đặc điểm của chuỗi thời gian giai đoạn này làm đặc điểm của một chuỗi thời gian giai đoạn khác

Đối với mục đích dự báo, các chuỗi thời gian không dừng như vậy có thể sẽ không

có giá trị thực tiễn.Vì như chúng ta đã biết, trong dự báo chuỗi thời gian, chúng ta

ngầm định xu hướng vận động của dữ liệu trong quá khứ và hiện tại được duy trì cho các giai đoạn trong tương lai.Thế nhưng, nếu bản thân dữ liệu luôn thay đổi thì

chúng ta không thể dự báo được điều gì cho tương lai

Hơn nữa, đối với phân tích hồi quy, nếu chuỗi thời gian không dừng thì tất cả các

kết quả điển hình của một phân tích hồi quy tuyến tính cổ điển sẽ không có giá trị cho việc dự báo, và thường được gọi là hiện tượng "hồi quy giả mạo" Do vậy, điều

kiện cơ bản nhất cho việc dự báo một chuỗi thời gian là nó phải có tính dừng

Kiểm định tính dừng

Kiểm định nghiệm đơn vị (Unit Root Test) là một kiểm định được sử dụng khá phổ

biến trong nghiên cứu khoa học thay vì sử dụng đồ thị chuỗi thời gian hay giản đồ tương quan vì kiểm định này có tính học thuật và chuyên nghiệp cao hơn

Nhiễu trắng

Một Ut đáp ứng đầy đủ các giả thiết của mô hình hồi quy tuyến tính cổ điển, tức có

kỳ vọng bằng không, phương sai không đổi và hiệp phương sai bằng không gọi là nhiễu trắng

Bước ngẫu nhiên

Nếu Yt = Yt-1+Ut với Ut là nhiễu trắng, thì Yt được gọi là bước ngẫu nhiên không có

Do Y0 là hằng số, các Ui độc lập với nhau, phương sai không đổi bằng nên:

Var(Yt) = tσ2(thay đổi theo t)

 Điều này chứng tỏ Yt là chuỗi không dừng

Bước ngẫu nhiên có hằng số: Yt= δ Yt-1 + Ut

Và Var(Yt) = tσ2

một bước ngẫu nhiên có hằng số là một chuỗi không dừng

Kiểm định nghiệm đơn vị Dickey - Fuller

Xét mô hình Yt = p.Yt-1 + Ut với Ut là nhiễu trắng

Nếu p = 1 thì Ytlà bước ngẫu nhiên không dừng Do đó để kiểm định tính dừng của

Yt, kiểm định giả thiết:

H0: p = 1(Yt là chuỗi không dừng)

H1: p ≠ 1(Yt là chuỗi dừng)

Ở đây không thể sử dụng kiểm định t vì Yt có thể là chuỗi không dừng Trong trường hợp này sử dụng tiêu chuẩn kiểm định DF như sau:

Dickey và Fuller cho rằng giá trị t của hệ số Y t-1 sẽ không theo phân phối student

mà thay vào đó là phân phối xác suất Kiểm định thống kêτ còn được gọi là kiểm định Dickey - Fuller (DF)

Nếu τ>ταbác bỏ giả thiết H0 và kết luận chuỗi dừng Tiêu chuẩn DF được áp dụng cho các mô hình sau:

∆Yt = β1 + β2t + γYt-1+ ∑m

Kiểm định DF như trên được gọi là kiểm định DF mở rộng (ADF- Augmented Dickey - Fuller Test)

3.1.3 Phân tích tương quan

Phân tích tương quan được sử dụng để xem xét mối quan hệ giữa các biến trong mô hình hồi quy Kết quả phân tích ma trận hệ số tương quan có thể cung cấp cái nhìn

tổng quát ban đầu về mối quan hệ giữa các biến số cả về kỳ vọng dấu và độ lớn Ngoài ra, trong trường hợp các biến độc lập có mối tương quan cao với nhau (hệ số tương quan lớn hơn 0.8) là dấu hiệu của đa cộng tuyến, do đó cần phải loại bỏ một

số biến độc lập ra khỏi mô hình trước khi thực hiện hồi quy

Trong khi phân tích tương quan đưa ra cái nhìn ban đầu về các biến trong mô hình hay không thì phân tích hồi quy được dùng để phân tích và đo lường mức độ ảnh hưởng của các biến độc lập với các biến phụ thuộc, qua đó cho biết chiều hướng và mức độ tác động của từng biến độc lập đến biến phụ thuộc Phương pháp này sẽ cho phép tác giả đưa ra những bằng chứng xác thực để trả lời các câu hỏi nghiên cứu

3.1.4 Mô hình h ồi quy tuyến tính cổ điển OLS

Trong đó:

• E(Y|Xi) là trung bình (tổng thể) của phân phối của Y với điều kiện Xi

• b1 , b2 là các tham số của mô hình còn được gọi là hệ số hồi qui

• b1 là tung độ gốc; b2 là hệ số góc (độ dốc) của đường hồi qui

Phân tích hồi qui là nghiên cứu sự phụ thuộc của một biến, biến phụ thuộc, vào một hay nhiều biến khác, biến độc lập (biến giải thích), với ý tưởng ước lượng giá trị trung bình (tổng thể) của biến phụ thuộc trên cơ sở các giá trị biết trước (trong mẫu lặp lại)

của các biến giải thích

Độ lệch giữa mức của một cá thể và mức trung bình:

ui = Yi - E(Y| Xi) hay Yi = E(Y| Xi) + ui (ui là sai số ngẫu nhiên);

Yi = b1 + b2 Xi + ui

Đặc trưng ngẫu nhiên của PRF:

E(Y| Xi) = E[E(Y| Xi)] + E(ui|Xi ); E(ui|Xi ) = 0

Ý nghĩa của sai số ngẫu nhiên (ui)

• Sự mơ hồ của lý thuyết

• Dữ liệu không có sẵn

• Các biến cốt lõi và những biến ngoại vi

• Bản chất ngẫu nhiên của con người

Y� là ước lượng của E(Yi|Xi) i

β� và β1 � là các ước lượng của β2 1, β2

Để ước lượng tốt nhất của đường hồi quy tổng thể, nên chọn điều kiện bình phương

bé nhất Do điều kiện bình phương bé nhất giúp xác định đường hồi quy dựa trên nguyên tắc cực tiểu hoá tổng các phần dư bình phương (còn gọi là nguyên tắc bình phương bé nhất, hay gọi tắt là nguyên tắc OLS - ordinary least square)

Các giả thuyết của OLS:

Giả thiết 1: Mô hình hồi quy là đường thẳng với ẩn số là các hệ số β1,β2; đó là

Yi= β1+ β2 Xi + ui với i = 1,2, 3, ….n

Giả thiết 2: Tất cả các giá trị quan sát X không được giống nhau, phải có ít nhất một giá trị khác biệt

Giả thiết 3: Sai số ui là biến ngẫu nhiên với trung biình bằng 0; nghĩa là E(ui) = 0

Giả thiết 4: Xi được cho và không ngẫu nhiên, điều này ngầm định rằng không tương quan với ui; nghĩa là cov(Xi, ui) = E (Xiui) - E(Xi,)E(ui) = 0

Giả thiết 5: ui có phương sai không đổi với mọi i; nghĩa là Var(ui)= E(ui2) = σ2

Giả thiết 6: ui và uj có phân phối độc lập đối với mọi i ≠ j, sao cho cov(ui,uj) = E (ui,uj)

Giả thiết 7: Số lượng quan sát phải lớn hơn số lượng hệ số hồi quy được ước lượng

Giả thiết 8: ui tuân theo phân phối chuẩn ui ~ N (0,σ2), nghĩa là ứng với giá trị Xi cho trước, Yi ~ N (β1 + β2 Xi, σ2)

 Định lý Gauss-Markov: Với các giả thiết của phương pháp OLS, ước lượng bình phương tối thiểu thông thường là ước lượng tuyến tính không thiên lệch có hiệu quả nhất trong các ước lượng Phương pháp OLS đưa ra Ước lượng không thiên lệch tuyến tính tốt nhất (BLUE)

Thông qua phương pháp ước lượng bình phương tối thiểu thông thường (OLS),

hằng số và các tham số của mô hình sẽ được ước lượng Hệ số p - value của kết quả phân tích hồi quy cho biết mức độ tác động của các biến độc lập lên từng biến phụ thuộc.Các mức thống kê có ý nghĩa thường được sử dụng là 1%, 5% hoặc 10% (hay nói cách khác là độ tin cậy 99%, 95% hoặc 90%)

Để kiểm tra sự phù hợp của mô hình, tác giả trình bày các kiểm định:

- Kiểm định phương sai của sai số thay đổi: Nếu phương sai của sai số thay đổi sẽ làm mất hiệu lực của các kết quả kiểm định nên mong muốn kiểm định một cách chính thức việc phương sai của sai số thay đổi có hiện hữu hay không Có một số kiểm định đối với phương sai của sai số thay đổi và chúng khác nhau về nguyên tắc và năng lực kiểm định Trong bài nghiên cứu, tác giả sử dụng kiểm định White, không giả định bất kỳ kiến thức nào trước đó về phương sai sai số thay đổi và là một kiểm định LM mẫu lớn với lựa chọn đặc biệt cho các giá trị Z nhưng không phụ thuộc vào giả thuyết chuẩn tắc.Các bước thực hiện:

Bước 1: Tính toán phần dư𝑢𝑢� và lấy bình phương phần dư đó 𝑚𝑚

Bước 2: Hồi quy phần dư u� theo một hệ thống không đổi, Xi2 i2, Xi3,Xi22 ,Xi32,

Xi2Xi3 Đây là mô hình hồi quy phụ tương ứng với:

σi2= α1 + α2Xi2+ α3Xi3 + α4Xi22+ α5Xi32 + α6Xi2Xi3 (3.9)

Bước 3: tính toán trị thống kê nR2

, với n là cỡ mẫu và R2 là R bình phương chưa hiệu chỉnh từ hồi quy phụ của Bước 2

Bước 4: Bác bỏ giả thuyết không cho rằng 𝛼𝛼2 = 𝛼𝛼3= 𝛼𝛼4= 𝛼𝛼5= 𝛼𝛼6= 0 nếu

nR2>𝑋𝑋52(α), điểm α phần trăm cao hơn trong phân phối chi bình phương với bậc

các phần dư của mô hình hồi quy Khi có hiện diện của tự tương quan, các ước lượng OLS và các dự báo vẫn không thiên lệch và nhất quán, nhưng không phải BLUE và vì thế không hiệu quả Tuy nhiên, đặc tính nhất quán sẽ không có nếu biến phụ thuộc được xem như biến giải thích Hơn nữa, nếu các biến ngoại sinh luôn tăng theo thời gian và tương quan chỗi dương thì phần dư ước lượng sẽ là một ước lượng quá thấp và giá trị R2 sẽ là một ước lượng quá cao Điều này có nghĩa là tính chất thích hợp tốt nhất sẽ được phóng đại lên và trị thống kê t sẽ lớn hơn giá trị thực Nghiêm trọng hơn, nếu tương quan chuỗi bị bỏ qua và thủ tục OLS được áp dụng thì các kiểm định của các giả thuyết sẽ không còn giá trị Trong bài nghiên cứu, tác giả sử dụng kiểm định Breusch – Godfrey bao gồm việc chạy một hồi quy phụ 𝑢𝑢� dựa vào 𝑢𝑢𝑚𝑚 � và tất cả các biến giải thích trong 𝑚𝑚−1

mô hình Dưới giả thuyết không về tự hồi quy có giá trị bằng không, giá trị của (n-1)R2 có phân phối chi-square với một bậc tự do Nếu giá trị này vượt giá trị tới hạn thì kết luận rằng tương quan chuỗi bậc nhất có ý nghĩa

- Kiểm định phân phối chuẩn của phần dư: đây là một thống kê thường được sử dụng để kiểm định xem một biến có phân phối chuẩn hay không Trong hồi quy tuyến tính cổ điển, thống kê này rất quan trọng cho việc kiểm định phần dư của

mô hình hồi quy theo phương pháp OLS có phân phối chuẩn hay không

Giả thuyết Ho: Chuỗi có phân phối chuẩn

3.1.5 Mô hình ARCH/ GARCH để dự báo sự biến động rủi ro theo thời gian

Trước tiên, tác giả trình bày về ý tưởng mô hình ARCH đã trình bày về biến động là

một trong những thông số chính được sử dụng nhiều ứng dụng tài chính, từ định giá các công cụ phái sinh đến quản lý tài sản và quản lý rủi ro Biến động được đo lường bằng độ lớn của sai số thu được từ mô hình hồi quy tỷ suất sinh lợi theo các

biến số tài chính khác Từ nhiều dạng mô hình, thấy rằng độ lớn trung bình của các

biến động không phải là một hằng số mà thay đổi theo thời gian và có thể dự báo trước được Có những thời kỳ sự chênh lệch của thị trường thấp hơn mức dự báo rất nhiều và cũng có những thời kỳ sự chênh lệch này nhỏ hơn Những hành vi này được gọi là phương sai thay đổi theo thời gian, dựa vào một sự thật là độ lớn của các biến động thị trường có quan hệ bầy đàn trong những thời kỳ có biến động cao

và những thời kỳ có biến động thấp Mô hình ARCH được Robert Engle đề xuất đầu tiên vào năm 1982, ông cho rằng tốt nhất nên mô hình hoá đồng thời giá trị trung bình và phương sai của chuỗi dữ liệu khi nghi ngờ rằng giá trị phương sai thay đổi theo thời gian Trong đó:

 Các hạng nhiễu utkhông có tương quan chuỗi nhưng phụ thuộc;

 Sự phụ thuộc của ut có thể có được mô tả bằng hàm bậc hai của giá trị trễ

Để có thể dự báo được biến động trong phương sai của ut thì Robert Engle đặt ra

một giả định là phương sai của ut là phương sai có điều kiện và được mô tả bằng 1 hàm hồi quy trong đó phương sai có điều kiện của ut phụ thuộc vào bình phương các giá trị trễ ut trong quá khứ

Mô hình ARCH (1) sẽ mô hình hoá đồng thời giá trị trung bình và phương sai có điều kiện của một chuỗi thời gian theo các cách xác định như sau:

H1: có ít nhất một trong m hệ số tự tương quan đầu tiên khác không

Để kiểm định giả thiết trên, ta áp dụng quy tắc kiểm định như sau:

Q = n(n+2) ∑m

k=1 (p2/n-k)~ X2(m), n là kích thước mẫu

Nếu Q > X2(m) thì bác bỏ giả thiết Ho, ngược lại chấp nhận giả thiết Ho.

Cách khác, có thể dùng giá trị p - value của thống kê Q so sánh với mức ý nghĩa α

Nếu p-value nhỏ hơn hoặc bằng α = 5% thì bác bỏ giả thiếtHo, ngược lại chấp nhận

giả thiết Ho

Phương pháp 2: Kiểm định nhân tử Lagrange của Engle (1982)

Ước lượng mô hình hồi quy phụ:

Nếu F > Fα (m, n-2m-1) thì bác bỏ Ho, ngược lại chấp nhậnHo

Phương pháp 3: dùng thống kê chi bình phương

Ước lượng mô hình tương tự

Có thể tính giá trị X2

=nR2 ~ X2α

Nếu X2

> X2α tính toán thì bác bỏ Ho, ngược lại chấp nhậnHo

Trên thực tế ARCH ít được sử dụng trong các thị trường tài chính vì các mô hình GARCH (1,1) đơn giản sử dụng rất ít tham số nhưng hoạt động tốt hơn nhiều so với ARCH Nói rõ hơn, các mô hình ARCH(p) sẽ tiến về GARCH (1,1) khi p tăng Mặt khác khi độ trễ trong mô hình ARCH tăng lên thì việc ước lượng các tham số trở nên khó khăn hơn nhiều Trong khi đó mô hình GARCH (1,1) chỉ cần ước lượng ba

tham số nhưng đã bao hàm rất nhiều độ trễ

Mô hình phương sai có điều kiện thay đổi tự hồi quy tổng quát là Mô hình GARCH.Mô hình có phương trình trung bình tương tự mô hình ARCH, chỉ khác ở phương trình phương sai có điều kiện

Phương trình cho thấy phương sai có điều kiện σ2

t bây giờ phụ thuộc vào:

Giá trị quá khứ của những cú sốc, đại diện bởi các biến trễ của hạng nhiễu bình phương u2

3.2 Mô hình nghiên c ứu thực nghiệm ở Việt Nam

Để tiến hành nghiên cứu thực nghiệm tác động của biến động lãi suất và tỷ giá lên tỷ suất sinh lợi và biến động tỷ suất sinh lợi cổ phiếu của các ngân hàng thương mại Việt Nam, bài nghiên cứu sử dụng mô hình hồi quy tuyến tính cổ điển OLS và mô hình GARCH để đo lường sự biến động tỷ suất sinh lợi cổ phiếu, với ý tưởng chính dựa theo bài nghiên cứu “The impact of interest rate and exchange rate volatility in banks’ stock returns and volatility: Evidence from Turkey” của các đồng tác giả S Kasman, G Vardar, G Tune (2011) Quy trình được tiến hành như sau:

Đầu tiên, tác giả ước lượng mô hình OLS cơ bản (gọi tên là mô hình 1), gồm 3 biến độc lập

giải thích cho tỷ suất sinh lợi của cổ phiếu hoặc danh mục cổ phiếu: tỷ suất sinh lợi chỉ số thị

trường, biến động lãi suất phi rủi ro hay chỉ số trái phiếu và biến động của tỷ giá hối đoái Sau khi ước lượng kết quả, tác giả tiến hành kiểm định sự phù hợp của mô hình thông qua các kiểm định phương sai thay đổi, kiểm định tương quan chuỗi, kiểm định phân phối chuẩn của phần dư Nếu các giả thiết được chấp nhận hay mô hình hồi quy phù hợp, các kết quả thực nghiệm về mối quan hệ giữa 3 biến độc lập với tỷ suất sinh lợi cổ phiếu hoặc danh mục

cổ phiếu sẽ được phân tích và câu hỏi nghiên cứu 1 được trả lời Nếu mô hình không phù hợp, các thủ thuật hồi quy khác cần được sử dụng để tạo ra kết quả hồi quy vững chắc

Để trả lời câu hỏi nghiên cứu thứ 2, tác giả hồi quy mô hình GARCH (Phương sai có điều kiện tự hồi quy tổng quát - Generalized Autoregressive Conditional Heteroscedasticity) với phương trình trung bình giống như mô hình 1 Để kiểm định hiện tượng phương sai thay đổi

có điều kiện có tồn tại đối với chuỗi dữ liệu hay không, kiểm định hiệu ứng ARCH đối với các phần dư trong mô hình 1 được tiến hành Nếu giả thuyết H0 (không có hiệu ứng ARCH)

bị bác bỏ, mô hình GARCH (gọi tên là Mô hình 2) được tiến hành và câu hỏi nghiên cứu 2 được trả lời Nếu không tồn tại hiệu ứng ARCH, mô hình GARCH không thể thực hiện và không có cơ sở để trả lời câu hỏi nghiên cứu 2

Tiếp theo, mô hình GARCH (1,1) tiếp tục được sử dụng để trả lời câu hỏi nghiên cứu 3 Tuy nhiên, trong mô hình 3 này, biến động của lãi suất và tỷ giá hối đoái không còn là biến giải thích của phương trình trung bình nữa mà sẽ giải thích cho biến động có điều kiện của tỷ suất sinh lợi cổ phiếu hoặc danh mục cổ phiếu, trong khi đó tỷ suất sinh lợi ở phương trình trung bình sẽ được tính bằng với giá trị trung bình trong dài hạn của nó cộng với các yếu tố sai số ngẫu nhiên

Sau khi phân tích, so sánh và tổng hợp các kết quả nghiên cứu, chúng ta có thể dễ dàng kết luận về sự đồng nhất hay khác biệt trong chiều hướng của tỷ suất sinh lợi và biến động tỷ suất sinh lợi của các ngân hàng riêng lẻvà danh mục cổ phiếu ngân hàng

Phần dưới đây sẽ trình bày chi tiết hơn về 3 mô hình hồi quy được sử dụng

3.2.1 Mô hình 1: H ồi quy OLS cơ bản

Phương trình hồi quy tổng thể như sau:

Trong đó

rt:: tỷ suất sinh lợi của cổ phiếu hoặc danh mục cổ phiếu tại thời điểm t

MRKt:: tỷ suất sinh lợi chỉ số thị trường ảnh hưởng đến các nhân tố toàn nền kinh tếINTt:: biến động của lãi suất phi rủi ro hay chỉ số trái phiếu

FXt: biến động của tỷ giá hối đoái

β0: hệ số chặn (hệ số tung độ gốc)

β1,β2, β3: hệ số góc (hay hệ số độ dốc) là hệ số đo lường sự nhạy cảm của tỷ suất sinh lợi cổ phiếu ngân hàng hoặc danh mục cổ phiếu với biến động của các nhân tố định giá hay đo lường biến động trong tỷ suất sinh lợi cổ phiếu Ngân hàng đối với thay đổi của các nhân tố rủi ro

μt: thành phần sai số ngẫu nhiên,

3.2.2 Mô hình 2: S ử dụng mô hình GARCH(1, 1) phân tích biến động của tỷ

su ất sinh lợi của các cổ phiếu hoặc danh mục cổ phiếu:

Mô hình GARCH (1,1) gồm 2 phương trình:

rt:: tỷ suất sinh lợi của các cổ phiếu tại thời điểm t

MRKt:: tỷ suất sinh lợi của chỉ số thị trường mà được xem xét ảnh hưởng đến các nhân

tố toàn nền kinh tế

INTt:: biến động của lãi suất phi rủi ro hay chỉ số trái phiếu

FXt: biến động của tỷ giá hối đoái

một thời gian dài mới mất hẳn, nghĩa là những thời kỳ có độ lệch chuẩn cao thì thời

kỳ theo sau cũng có độ lệch chuẩn cao, thời kỳ có độ lệch chuẩn thấp thì thường theo sau là thời kỳ có độ lệch chuẩn thấp Các hệ số α1 lớn hàm ý độ lệch chuẩn

phản ứng mạnh đối với những thay đổi của thị trường Vì thế nếu α1 tương đối cao

và β tương đối thấp thì độ lệch chuẩn có xu hướng dễ thay đổi, ngược lại nếu α1

tương đối thấp và β tương đối cao thì độ lệch chuẩn có xu hướng ổn định

ε2

t-1: giá trị quá khứ của cú sốc (các thông tin trong quá khứ), đại diện bởi các biến

trễ của hạng nhiễu bình phương

σ2

t-1: các giá trị quá khứ của chính bản thân nó, đại diện bởi các biến trễ

Ý nghĩa của các hệ số trong phương trình trung bình hoàn toàn tương tự như trong

mô hình 1 Nếu tỷ suất sinh lợi thị trường hay biến động của lãi suất hay biến động

của tỷ giá hối đoái có tác động đến tỷ suất sinh lợi cổ phiếu hoặc danh mục cổ phiếu thì các hệ số tương ứng γ1, γ2, γ3 có ý nghĩa thống kê và chiều hướng và mức độ tác động của các nhân tố này là dấu và độ lớn của 3 hệ số

3.2.3 Mô hình 3: Tác động của biến động lãi suất và tỷ giá đối với biến động

t ỷ suất sinh lợi của cổ phiếu ngân hàng riêng lẻ hoặc danh mục cổ phiếu

Mô hình GARCH (1,1) tiếp tục được sử dụng, tuy nhiên được điều chỉnh để phù

hợp với mục tiêu nghiên cứu trong phần này

rt:: tỷ suất sinh lợi của các cổ phiếu tại thời điểm t

t-1: các giá trị quá khứ của chính bản thân nó, đại diện bởi các biến trễ

INTt:: biến động lãi suất phi rủi ro hay chỉ số trái phiếu

FXt: biến động của tỷ giá hối đoái

Trong phương trình trung bình, tỷ suất sinh lợi của cổ phiếu hoặc danh mục cổ phiếu sẽ được tính bằng với giá trị trung bình trong dài hạn của nó cộng với yếu tố sai số ngẫu nhiên Trong khi đó, ở phương trình phương sai thay đổi có điều kiện (biến động có điều kiện) của

tỷ suất sinh lợi, ngoài các biến độ trễ của các cú sốc trong quá khứ và biến động có điều kiện trong quá khứ của tỷ suất sinh lợi tác giả đưa thêm vào 2 biến thể hiện sự biến động của lãi suất và tỷ giá tại thời điểm hiện tại Nếu có một thành phần không đổi theo thời gian đáng kể trong quá trình tạo ra tỷ suất sinh lợi đã bao gồm tác động của biến động lãi

suất và tỷ giá hối đoái thì hệ số α0> 0 và có ý nghĩa thống kê Hệ số θ1và θ2 khác không và có ý nghĩa thống kê cho thấy sự tác động tức thời của 2 nhân tố này lên

biến động có điều kiện của tỷ suất sinh lợi cổ phiếu hoặc danh mục cổ phiếu

3.3 Thu th ập và xử lý dữ liệu:

3.3.1 D ữ liệu nghiên cứu:

Bài nghiên cứu sử dụng các chuỗi thời gian theo ngày từ ngày 03 tháng 09 năm

2009 đến 30 tháng 09 năm 2013 Để nghiên cứu toàn diện nhất có thể về tỷ suất sinh lợi và biến động tỷ suất sinh lợi của các cổ phiếu ngành ngân hàng, tác giả

chọn ra 8 ngân hàng TMCP có thời gian niêm yết khá sớm trên sàn HNX hoặc HOSE để riêng cứu riêng lẽ từng ngân hàng, đồng thời nghiên cứu danh mục cổ phiếu của 8 ngân hàng này Danh sách các ngân hàng nghiên cứu trong mẫu được trình bày trong bảng dưới đây

B ảng 3.1: Các Ngân hàng TMCP trong mẫu nghiên cứu

hiệu Ngày - Sàn niêm yết

Từ các chuỗi giá đóng cửa hàng ngày từ 03/09/2009 – 30/9/2013 của các cổ phiếu này, tác giả tính toán tỷ suất sinh lợi của các cổ phiếu và danh mục cổ phiếu Ngoài

ra, các chuỗi dữ liệu thô được sử dụng trong công trình nghiên cứu gồm: VNIndex đại diện cho chỉ số thị trường, lãi suất trái phiếu chính phủ kỳ hạn 1 năm đại diện cho lãi suất phi rủi ro và tỷ giá thị trường tự do Các dữ liệu về chứng khoán được thu thập từ Vietstock, 2 chuỗi lãi suất và tỷ giá được thu thập từ Reuter

Từ những dữ liệu thô này, tác giả thực hiện một số phép tính toán để phù hợp với

mục tiêu nghiên cứu của đề tài

3.3.2 X ử lý dữ liệu

3.3.2.1 Bi ến tỷ suất sinh lợi cổ phiếu ngân hàng và danh mục cổ phiếu

- Biến tỷ suất sinh lợi cổ phiếu ngân hàng

Tỷ suất sinh lợi của cổ phiếu ngân hàng là thông tin căn cứ để đánh giá mức độ hấp

dẫn khi đầu tư, tỷ suất sinh lợi hàng ngày được tính toán dựa vào chuỗi giá đóng

cửa hàng ngày của chứng khoán ngân hàng đó Công thức tính tỷ suất sinh lợi tại

thời gian t, ký hiệu là rt, bằng công thức:

Trong đó:

pt : giá cổ phiếu tại thời gian t

pt-1 : giá cổ phiếu tại thời gian t-1

Tỷ suất sinh lợi tính theo nguyên tắc lãi kép với số ghép lãi vô hạn vì hoạt động đầu

tư và tái đầu tư diễn ra liên tục nên sẽ ít chính xác hơn nếu tính toán tỷ suất sinh lợi theo nguyên tắc số kỳ ghép lãi rời rạc

- Biến tỷ suất sinh lợi của danh mục cổ phiếu/ngành ngân hàng:

Tỷ suất sinh lợi của ngành ngân hàng cũng tính tương tự cách tính tỷ suất sinh lợi

của từng cổ phiếu trên nhưng dựa trên chỉ số giá cổ phiếu ngành Ngân hàng Do hệ

thống cơ sở dữ liệu chính thức Việt Nam chưa có chỉ số giá cổ phiếu ngành Ngânhàng nên tác giả tính dựa trên cách tính tương tự Vn- Index, nghĩa là tính theo phương pháp bình quân gia quyền của một số cổ phiếu niêm yết trên sàn HOSE, HNX Đây là chỉ số thể hiện thông tin giá chứng khoán bình quân hiện tại so với giá

bình quân thời kỳ gốc đã chọn của ngành Ngân hàng Chỉ số giá ngành Ngân hàng

thể hiện tình hình hoạt động của toàn ngành Ngân hàng

3.3.2.2 T ỷ suất sinh lợi của chỉ số thị trường (MRK)

Tác giả chọn VNIndex là chỉ số đại diện cho thị trường, và tính tỷ suất sinh lợi từ

chỉ số VNIndex so sánh giá trị thị trường hiện hành với giá trị thị trường cơ sở vào ngày gốc là ngày 28 tháng 07 năm 2000, ngày đầu tiên thị trường chứng khoán chính thức đi vào hoạt động Giá trị thị trường cơ sở trong công thức tính chỉ số được điều chỉnh trong các trường hợp như niêm yết mới, huỷ niêm yết và các trường hợp có thay đổi về vốn niêm yết

VNIndex tính theo phương pháp bình quân gia quyền Trên thị trường thế giới có rất nhiều chỉ số khác nhau, tương ứng các chỉ số đó sẽ có các phương pháp tính riêng Tuy nhiên các chỉ số phản ánh chung của thị trường cổ phiếu của một nước đều tính trên cơ sở bình quân gia quyền

Đây là loại chỉ số giá cổ phiếu thông dụng nhất và là chỉ số giá bình quân gia quyền giá trị với quyền số là số lượng cổ phiếu niêm yết tại thời kỳ tính toán

Kết quả tính sẽ phụ thuộc với quyền số là số lượng cổ phiếu niêm yết thời kỳ tính toán Kết quả tính sẽ phụ thuộc vào cơ cấu quyền số thời kỳ tính toán VNIndex thể

hiện biến động giá cổ phiếu giao dịch tại HOSE Công thức tính chỉ số áp dụng đối

với toàn bộ các cổ phiếu niêm yết tại Sở giao dịch chứng khoán nhằm thể hiện xu hướng cổ phiếu hàng ngày

VNIndex được Uỷ ban chứng khoán nhà nước tính toán theo phương pháp chỉ số giá bình quân Passcher

Ngoài ra còn có một số nhân tố khác làm thay đổi cơ cấu số cổ phiếu niêm yết, như thêm bớt cổ phiếu giao dịch vào cơ cấu tính toán.Điều này sẽ làm phát sinh tính không liên tục của chỉ số, các trọng số và cơ sở để xác định bình quân thị trường số chia không thay đổi Do đó, số chia mẫu số trong công thức tính chỉ số trên phải được điều chỉnh nhằm duy trì tính liên tục cần có của chỉ số

3.3.2.3 Bi ến động của lãi suất phi rủi ro hay chỉ số trái phiếu (INT)

Biến động của lãi suất phi rủi ro hay chỉ số trái phiếu (INT) được tính toán dựa trên lãi suất trái phiếu chính phủ kỳ hạn 1 năm theo công thức:

INTt = ln lãi su ấtt

Trong đó:

Lãi suất t: lãi suất trái phiếu tại thời gian t

Lãi suất t-1: lãi suất trái phiếu tại thời gian t-1

3.3.2.4 Bi ến động của tỷ giá hối đoái (FX)

Biến động của tỷ giá hối đoái (FX) được tính toán dựa trên tỷ giá hối đoái USD/VND thị trường tự do tại Việt Nam theo công thức:

USD VND tại thời điểm t

Trong đó:

FXt: tỷ giá hối đoái USD/VND tại thời điểm t

FXt-1: tỷ giá hối đoái USD/VND tại thời điểm t-1

CH ƯƠNG 4 - KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN KẾT QUẢ 4.1 Phân tích thống kê mô tả

Phân tích thống kê mô tả được thực hiện nhằm mục đích tóm tắt đặc điểm của dữ

liệu Thống kê mô tả phân tích các chỉ tiêu phổ biến như số quan sát, giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất, trung vị, hình dáng của phân phối Kết quả thống kê mô tả được trình bày ở Bảng 4.1 Số liệu thống kê mô tả cho biết

tỷ suất sinh lợi cổ phiếu của từng ngân hàng, tỷ suất sinh lợi danh mục cổ phiếu ngân hàng,tỷ suất sinh lợi chỉ số thị trường,biến động của lãi suất phi rủi ro, biến động của tỷ giá hối đoái Giá trị nhỏ nhất và lớn nhất trong các biến là biến FX

- Biến tỷ suất sinh lợi cổ phiếu CTG:

Kết quả cho thấy tỷ suất sinh lợi nhỏ nhất và lớn nhất lần lượt là (0.07049) và 0.06317; độ lệch chuẩn là 2.16% thể hiện tỷ suất sinh lợi của cổ phiếu CTG có thể

giảm tại giá trị (0.07049) và tăng đến giá trị 0.06317 và mức độ phân tán của tập số

đo xung quanh trung bình của nó 2.16% Và dựa vào đại lượng skewness là 0.18089 > 0 và kurtosis là 3.474 > 3 thể hiện rằng hình dáng phân phối của tập dữ

liệu CTG lệch phải và phân phối tập trung hơn mức bình thường (hình dáng của đa giác tần số trông sẽ khá cao và nhọn với 2 đuôi hẹp)

Kiểm định Jarque - Bera thể hiện chuỗi dữ liệu CTG không có phân phối chuẩn với

mức ý nghĩa 1%

ACB CTG EIB NVB MBB SHB STB VCB BANKIN

Mean -0.00071 -0.00019 -0.00006 -0.00004 0.00054 -0.00097 -0.00002 -0.00030 -0.00049 0.00058 -0.00021 0.00013

Maximum 0.06725 0.06317 0.06987 0.46798 0.05236 0.09097 0.06492 0.05835 0.05295 0.03925 0.18614 0.02072 Minimum -0.07197 -0.07049 -0.05407 -0.0968 -0.05365 -0.16315 -0.06939 -0.06968 -0.14474 -0.04801 -0.16077 -0.03125 Std Dev 0.01728 0.02164 0.01551 0.03538 0.01673 0.02731 0.01874 0.02179 0.01551 0.01267 0.01907 0.00318 Skewness -0.00138 0.18089 0.07963 3.01522 0.12159 0.12245 0.16379 0.10037 0.67462 -0.32757 -0.02019 0.40417 Kurtosis 7.01091 3.474 5.42170 42.6253 4.13161 4.57440 4.36545 3.25490 11.4147 4.04647 40.3083 21.510 Jarque-Bera 712.540

(***)

15.576 (***)

240.264 (***)

50940.4 (***)

26.6262 (***)

112.028 (***)

87.3328 (***)

4.66271 (*)

3216.81 (***)

25.3420 (***)

57126.5 (***)

14517.6 (***)

(***), (**), (*) Có ý nghĩa thống kê ở mức 1%, 5%, 10%

Nguồn: kết quả phân tích dữ liệu từ phần mềm Eview 6.0

Kết quả cho thấy tỷ suất sinh lợi nhỏ nhất và lớn nhất lần lượt là (0.07197) và 0.06725; độ lệch chuẩn là 1.72% thể hiện tỷ suất sinh lợi của cổ phiếu ACB có thể

giảm tại giá trị (0.07197) và tăng đến giá trị 0.06725 và mức độ phân tán của tập số

đo xung quanh trung bình của nó là 1.61% Hình dáng phân phối của tập dữ liệu ACB bị lệch trái có một "đuôi" kéo dài về phía bên phải, do trị tỷ suất sinh lợi trung bình bị một số ít quan sát có giá trị nhỏ kéo giảm đi khiến nó bé hơn trung vị Và

dựa vào đại lượng skewness là (0.00138) < 0 và kurtosis là 7.01091 > 3 thể hiện

rằng hình dáng phân phối của ACB lệch trái và phân phối tập trung hơn mức bình thường (hình dáng của đa giác tần số trông sẽ khá cao và nhọn với 2 đuôi hẹp)

Kiểm định Jarque - Bera thể hiện chuỗi dữ liệu ACB không có phân phối chuẩn với

mức ý nghĩa 1%

- Biến tỷ suất sinh lợi cổ phiếu EIB

Kết quảcho thấy tỷ suất sinh lợi nhỏ nhất và lớn nhất lần lượt là (0.05407) và 0.06987; độ lệch chuẩn là 1.55% thể hiện tỷ suất sinh lợi của cổ phiếu EIB có thể

giảm tại giá trị (0.05407) và tăng đến giá trị và 0.06987 và mức độ phân tán của

một tập số đo xung quang trung bình của nó là 1.55% Và dựa vào đại lượng skewness là 0.07963> 0 và kurtosis là 5.42170 > 3 chứng tỏ rằng hình dáng phân

phối của tập dữ liệu EIB lệch phải và phân phối tập trung hơn mức bình thường (hình dáng của đa giác tần số trông sẽ khá cao và nhọn với 2 đuôi hẹp)

.Kiểm định Jarque - Bera thể hiện chuỗi dữ liệu EIB không có phân phối chuẩn với

mức ý nghĩa 1%

- Biến tỷ suất sinh lợi cổ phiếu MBB

Kết quả cho thấy tỷ suất sinh lợi nhỏ nhất và lớn nhất lần lượt là (0.05365) và 0.05236; độ lệch chuẩn là 1.67% thể hiện tỷ suất sinh lợi của cổ phiếu MBB có thể

giảm tại giá trị (0.05365) và tăng đến giá trị 0.05236 và mức độ phân tán của một

tập số đo xung quanh trung bình của nó Hình dáng phân phối của tập dữ liệu MBB

bị lệch phải có một "đuôi" kéo dài về phía bên phải, do trị tỷ suất sinh lợi trung bình