BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH HUỲNH THỊ THU TRANG CÁC YẾU TỐ GIẢI THÍCH TÁC ĐỘNG CỦA LẠM PHÁT NGOÀI KỲ VỌNG ĐẾN TỶ SUẤT SINH LỢI CỔ PHIẾU THEO NGÀNH TRÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM LUẬN VĂN THẠC SĨ KINH TẾ Tp Hồ Chí Minh, tháng 01 năm 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH HUỲNH THỊ THU TRANG CÁC YẾU TỐ GIẢI THÍCH TÁC ĐỘNG CỦA LẠM PHÁT NGOÀI KỲ VỌNG ĐẾN TỶ SUẤT SINH LỢI CỔ PHIẾU THEO NGÀNH TRÊN THI TRƯỜNG CHỨNG KHOÁN VIỆT NAM Chuyên ngành: Tài – ngân hàng Mã số : 60340201 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC TS VŨ VIỆT QUẢNG Tp Hồ Chí Minh, tháng 01 năm 2016 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu tơi, có hướng dẫn hỗ trợ từ người hướng dẫn khoa học TS.Vũ Việt Quảng Các nội dung nghiên cứu kết đề tài trung thực chưa công bố cơng trình nghiên cứu khoa học Những số liệu nghiên cứu tác giả thu thập từ nguồn khác có ghi phần tài liệu tham khảo Tơi xin hồn tồn chịu trách nhiệm nghiên cứu mình./ Tp Hồ Chí Minh, ngày 26 tháng 01 năm 2016 Tác giả Huỳnh Thị Thu Trang MỤC LỤC Tóm tắt đề tài nghiên cứu CHƯƠNG 1: GIỚI THIỆU 1.1 Lý chọn đề tài 1.2 Mục tiêu nghiên cứu 1.3 Câu hỏi nghiên cứu 1.4 Đối tượng phạm vi nghiên cứu 1.4.1 Đối tượng nghiên cứu 1.4.2 Phạm vi nghiên cứu 1.5 Phương pháp nghiên cứu 1.6 Bố cục nghiên cứu CHƯƠNG 2: TỔNG QUAN CÁC NGHIÊN CỨU TRƯỚC ĐÂY 2.1 Các lí luận tác động lạm phát đến lợi suất đầu tư cổ phiếu 2.1.1 Lý thuyết Fisher 2.1.2 Các tranh luận khác vai trò lạm phát cổ phiếu 2.2 Thực tiễn nghiên cứu nước 2.3 Thực tiễn nghiên cứu Việt Nam 12 CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU 16 3.1 Dữ liệu nghiên cứu 16 3.2 Mô tả biến 17 3.3 Phương pháp nghiên cứu 18 3.3.1 Lạm phát kỳ vọng 18 3.3.2 Trạng thái kinh tế 19 3.4 Mơ hình nghiên cứu 20 3.4.1 Ước lượng yếu tố lạm phát kỳ vọng 21 3.4.2 Giới thiệu sơ lược mơ hình ARIMA 22 3.4.3 Phản ứng suất sinh lợi bất thường theo ngành lạm phát kỳ vọng 3.4.4 Các yếu tố giải thích phản ứng suất sinh lợi bất thường lạm phát kỳ vọng 26 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 30 4.1 Ước lượng yếu tố lạm phát ngồi kỳ vọng mơ hình ARIMA 30 4.2.Kết hồi quy 36 4.2.1 Tác động lạm phát kỳ vọng đến suất sinh lợi bất thường 36 4.2.2 Phản ứng lãi suất phi rủi ro 52 4.2.3 Phản ứng của phần bù rủi ro cổ phiếu 53 4.2.4 Phản ứng kỳ vọng tăng trưởng 54 CHƯƠNG 5: KẾT LUẬN 57 5.1 Các kết nghiên cứu 57 5.2 Hạn chế đề tài hướng nghiên cứu 58 DANH MỤC TỪ VIẾT TẮT - HSX: Sở Giao dịch chứng khốn Thành phố Hồ Chí Minh - HNX: Sở Giao dịch chứng khoán Hà Nội - CPI: Chỉ số giá tiêu dùng - ARIMA: Autoregressive Moving Average - OLS: Ordinary Least Squares - TTCK: Thị trường chứng khốn - ASEAN: Hiệp hội Quốc gia Đơng Nam Á - CAPM: Mơ hình định giá tài sản vốn - GARCH: Generalized Autoregressive Conditional Heteroscedasticity - BFH: Lý thuyết tài hành vi - DDM: Mơ hình chiết khấu cổ tức - IP: Chỉ số sản xuất công nghiệp - GDP: Tổng sản phẩm quốc nội - GSO: Tổng cục Thống kê Việt Nam DANH MỤC BẢNG BIỂU VÀ HÌNH VẼ DANH MỤC BẢNG BIỂU Bảng 2.1 – Tóm tắt Tổng quan nghiên cứu trước mối quan hệ tỷ suất sinh lợi cổ phiếu tỷ lệ lạm phát trang 15 Bảng 4.1 – Kết kiểm định nghiệm đơn vị chuỗi CPI chuỗi πt trang 30 Bảng 4.2 – Lược đồ tương quan chuỗi πt trang 31 Bảng 4.3 – Kết ước lượng chuỗi πt mô hình ARIMA trang 31 Bảng 4.4 – Kết kiểm định tượng tự tương quan .trang 32 Bảng 4.5 – Kết kiểm định tượng phương sai thay đổi .trang 32 Bảng 4.6 - Kết ước lượng mơ hình ARIMA (1,1,5) với tùy chọn HAC trang 33 Bảng 4.7 – Lược đồ tương quan chuỗi phần dư .trang 33 Bảng 4.8 – Ước lượng hồi quy OLS để phân loại “trạng thái kinh tế” trang 34 Bảng 4.9 – Thống kê mô tả lạm phát kỳ vọng trang 35 Bảng 4.10 – Kết kiểm định nghiệm đơn vị chuỗi ARSi πut trang 40 Bảng 4.11 – Thống kê mô tả suất sinh lợi bất thường trang 40 Bảng 4.12 – Phản ứng suất sinh lợi bất thường cổ phiếu lạm phát kỳ vọng trang 48 Bảng 4.13 – Phản ứng lãi suất phi rủi ro lạm phát kỳ vọng trang52 Bảng 4.14 – Phản ứng phần bù rủi ro cổ phiếu lạm phát kỳ vọng trang 53 Bảng 4.15 – Phản ứng lãi suất phi rủi ro lạm phát kỳ vọng trang54 Bảng 4.16 – So sánh với kết nghiên cứu trước trang 55 DANH MỤC HÌNH VẼ Hình 3.1 – Mơ hình nghiên cứu trang 20 Hình 3.2 – Sơ đồ mơ mơ hình Box – Jenkins .trang 23 Hình 3.3 – Cơ cấu trái phiếu doanh nghiệp trang 28 Hình 3.4 – Cơ cấu trái phiếu Chính phủ trang 28 Hình 4.1 – Phân loại trạng thái kinh tế theo phương pháp McQueen Roley (1993) trang 35 Hình 4.2 – Đồ thị suất sinh lợi bất thường theo ngành trang 39 Tóm tắt đề tài nghiên cứu Nghiên cứu phân tích tác động yếu tố lạm phát kỳ vọng lên tỷ suất sinh lợi cổ phiếu theo ngành ngắn hạn thị trường chứng khoán Việt Nam sâu nghiên cứu nhân tố giải thích tác động (lãi suất phi rủi ro, phần bù rủi ro kỳ vọng tăng trưởng) Với liệu thu thập khoảng thời gian từ tháng năm 2008 đến tháng năm 2015 sử dụng mơ hình hồi quy OLS, kết cho thấy trường hợp kinh tế suy thoái lạm phát thực tế cao lạm phát kỳ vọng (tin xấu) lạm phát ngồi kỳ vọng có tác động dương đến tỷ suất sinh lợi cổ phiếu trường hợp kinh tế không suy thoái lạm phát thực tế cao lạm phát kỳ vọng tác động âm Từ khóa: lạm phát kỳ vọng, tỷ suất sinh lợi cổ phiếu, suất sinh lợi bất thường CHƯƠNG 1: GIỚI THIỆU 1.1 Lý chọn đề tài Trong thời kỳ kinh tế bất ổn, lạm phát biến động lớn, nhà đầu tư có xu hướng tìm kiếm tài sản đầu tư trú ẩn an toàn trước lạm phát Cổ phiếu thường cho tài sản phục vụ cho mục tiêu này, nhà đầu tư kỳ vọng suất sinh lợi danh nghĩa cổ phiếu đồng biến với tỷ lệ lạm phát Đây quan điểm xuất phát từ lý thuyết Fisher quan hệ đồng biến 1:1 lãi suất danh nghĩa tỷ lệ lạm phát (Lãi suất danh nghĩa = Lãi suất thực + tỷ lệ lạm phát) Theo lý thuyết Fisher mở rộng lãi suất danh nghĩa thực tế gồm lãi suất danh nghĩa kỳ vọng lãi suất danh nghĩa kỳ vọng, tương tự tỷ lệ lạm phát gồm hai thành phần lạm phát kỳ vọng lạm phát kỳ vọng Phần lớn kết nghiên cứu thực nghiệm cho thấy mối quan hệ nghịch biến suất sinh lợi cố phiếu lạm phát (Bodie, 1976; Fama, 1981; Chen, Roll, Ross 1986; Adams cộng sự, 2004) Chỉ vài nghiên cứu tìm thấy chứng phù hợp với lý thuyết Fisher (Luintel Paudyal, 2006; Nguyễn Ngọc Định Phan Thanh Phong, 2014) Trong đó, vài nghiên cứu lại tìm thấy kết hỗn hợp (Diaz, Jareno 2009; Li, Narayan, Zheng 2010; Lê Long Hậu 2014) Các nhà kinh tế đưa số lý giải thích cho vấn đề khác biệt nguyên nhân dẫn đến lạm phát (lạm phát từ yếu tố tiền tệ hay yếu tố thực), ảnh hưởng nhân tố khác đồng thời đến lạm phát lãi suất, vị công ty thị trường vốn (cho vay hay vay) Do khác biệt thực nghiệm lý thuyết nên tác giả lựa chọn đề tài “Các yếu tố giải thích tác động lạm phát kỳ vọng lên tỷ suất sinh lợi cổ phiếu theo ngành thị trường chứng khoán Việt Nam” làm nghiên cứu 1.2 Mục tiêu nghiên cứu Mục tiêu nghiên cứu tập trung vào vấn đề sau: - Kiểm tra tác động thông tin lạm phát, cụ thể lạm phát kỳ vọng lên tỷ suất sinh lợi cổ phiếu theo ngành ngắn hạn thị trường chứng khoán Việt Nam giai đoạn từ tháng năm 2008 đến tháng năm 2015 -+ -F( 4, 79) = 1.40 Model | 119831294 029957824 Prob > F = 0.2417 Residual | 1.69059306 79 021399912 R-squared = 0.0662 -+ -Adj R-squared = 0.0189 Total | 1.81042435 83 021812342 Root MSE = 14629 -ARS8 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -8.456266 5.693378 -1.49 0.141 -19.78865 2.876119 tuongtac2 | 19.24274 14.29465 1.35 0.182 -9.210049 47.69554 tuongtac3 | -9.000694 11.15609 -0.81 0.422 -31.20633 13.20495 tuongtac4 | -1.775512 8.9813 -0.20 0.844 -19.65234 16.10132 _cons | 0100951 0237838 0.42 0.672 -.0372453 0574355 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ARS8 chi2(1) = 5.09 Prob > chi2 = 0.0241 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 1.426 0.2324 H0: no serial correlation reg ARS8 tuongtac1 tuongtac2 tuongtac3 tuongtac4, robust Linear regression Number of obs = 84 F( 4, 79) = 2.38 Prob > F = 0.0583 R-squared = 0.0662 Root MSE = 14629 | Robust ARS8 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -8.456266 4.647204 -1.82 0.073 -17.7063 7937626 tuongtac2 | 19.24274 17.0337 1.13 0.262 -14.66199 53.14748 tuongtac3 | -9.000694 7.350406 -1.22 0.224 -23.63131 5.629924 tuongtac4 | -1.775512 6.957688 -0.26 0.799 -15.62444 12.07342 _cons | 0100951 0313175 0.32 0.748 -.0522408 072431 - reg ARS9 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 4.57 Model | 108915316 027228829 Prob > F = 0.0023 Residual | 470455906 79 005955138 R-squared = 0.1880 -+ -Adj R-squared = 0.1469 Total | 579371222 83 006980376 Root MSE = 07717 -ARS9 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.234217 3.003378 0.41 0.682 -4.743856 7.212291 tuongtac2 | 29.0168 7.540732 3.85 0.000 14.00735 44.02625 tuongtac3 | 12.97937 5.885073 2.21 0.030 1.265428 24.69332 tuongtac4 | 9.381984 4.737826 1.98 0.051 -.048423 18.81239 _cons | -.0289463 0125464 -2.31 0.024 -.0539193 -.0039732 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ARS9 chi2(1) = 29.75 Prob > chi2 = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 0.594 0.4411 H0: no serial correlation reg ARS9 tuongtac1 tuongtac2 tuongtac3 tuongtac4, robust Linear regression Number of obs = 84 F( 4, 79) = 1.70 Prob > F = 0.1590 R-squared = 0.1880 Root MSE = 07717 -| Robust ARS9 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.234217 2.776542 0.44 0.658 -4.292351 6.760785 tuongtac2 | 29.0168 18.46537 1.57 0.120 -7.737604 65.77121 tuongtac3 | 12.97937 6.403891 2.03 0.046 2327483 25.726 tuongtac4 | 9.381984 5.187997 1.81 0.074 -.944466 19.70843 _cons | -.0289463 0133384 -2.17 0.033 -.0554958 -.0023968 - reg ARS10 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 2.35 Model | 023957373 005989343 Prob > F = 0.0609 Residual | 200952161 79 002543698 R-squared = 0.1065 -+ -Adj R-squared = 0.0613 Total | 224909534 83 002709753 Root MSE = 05044 -ARS10 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -3.834934 1.962894 -1.95 0.054 -7.741976 0721089 tuongtac2 | 3.889226 4.928337 0.79 0.432 -5.920384 13.69884 tuongtac3 | 6.199941 3.846261 1.61 0.111 -1.45585 13.85573 tuongtac4 | 1.650949 3.096464 0.53 0.595 -4.512408 7.814306 _cons | -.0025954 0081999 -0.32 0.752 -.0189169 013726 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ARS10 chi2(1) = 0.95 Prob > chi2 = 0.3295 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 1.567 0.2107 H0: no serial correlation reg ARS11 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 1.29 Model | 024246511 006061628 Prob > F = 0.2824 Residual | 372166971 79 004710974 R-squared = 0.0612 -+ -Adj R-squared = 0.0136 Total | 396413482 83 004776066 Root MSE = 06864 -ARS11 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.8198156 2.67128 -0.31 0.760 -6.136865 4.497234 tuongtac2 | -14.52854 6.706917 -2.17 0.033 -27.87832 -1.178751 tuongtac3 | -1.835111 5.234333 -0.35 0.727 -12.25379 8.583568 tuongtac4 | 8424173 4.213942 0.20 0.842 -7.545225 9.23006 _cons | 0070626 0111591 0.63 0.529 -.015149 0292743 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ARS11 chi2(1) = 0.91 Prob > chi2 = 0.3391 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 0.331 0.5653 H0: no serial correlation reg ARS12 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 2.95 Model | 044979203 011244801 Prob > F = 0.0252 Residual | 301472818 79 003816112 R-squared = 0.1298 -+ -Adj R-squared = 0.0858 Total | 346452021 83 004174121 Root MSE = 06177 -ARS12 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -4.394794 2.404222 -1.83 0.071 -9.180278 3906901 tuongtac2 | 11.19361 6.036402 1.85 0.067 -.8215505 23.20876 tuongtac3 | -3.385262 4.711037 -0.72 0.475 -12.76235 5.991823 tuongtac4 | -6.711944 3.792659 -1.77 0.081 -14.26104 8371539 _cons | 0085853 0100435 0.85 0.395 -.0114058 0285763 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ARS12 chi2(1) = 5.62 Prob > chi2 = 0.0178 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 1.285 0.2569 H0: no serial correlation reg ARS12 tuongtac1 tuongtac2 tuongtac3 tuongtac4, robust Linear regression Number of obs = 84 F( 4, 79) = 3.13 Prob > F = 0.0193 R-squared = 0.1298 Root MSE = 06177 -| Robust ARS12 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -4.394794 1.796537 -2.45 0.017 -7.970711 -.818877 tuongtac2 | 11.19361 9.344159 1.20 0.235 -7.405477 29.79269 tuongtac3 | -3.385262 4.530183 -0.75 0.457 -12.40237 5.631842 tuongtac4 | -6.711944 3.3894 -1.98 0.051 -13.45838 034487 _cons | 0085853 0117187 0.73 0.466 -.0147403 0319108 - reg ARS13 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 0.63 Model | 021284332 005321083 Prob > F = 0.6429 Residual | 667776025 79 008452861 R-squared = 0.0309 -+ -Adj R-squared = -0.0182 Total | 689060357 83 008301932 Root MSE = 09194 -ARS13 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.673083 3.578211 0.47 0.641 -5.449167 8.795333 tuongtac2 | 13.78516 8.983994 1.53 0.129 -4.097031 31.66736 tuongtac3 | 5.054605 7.01145 0.72 0.473 -8.901337 19.01055 tuongtac4 | 2.353692 5.644625 0.42 0.678 -8.881653 13.58904 _cons | -.012556 0149478 -0.84 0.403 -.0423088 0171968 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of ARS13 chi2(1) = 0.01 Prob > chi2 = 0.9139 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 0.031 0.8608 H0: no serial correlation reg Rm tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 2.26 Model | 057385492 014346373 Prob > F = 0.0700 Residual | 50155825 79 006348839 R-squared = 0.1027 -+ -Adj R-squared = 0.0572 Total | 558943743 83 006734262 Root MSE = 07968 -Rm | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -1.735105 3.101067 -0.56 0.577 -7.907624 4.437415 tuongtac2 | 16.2569 7.786006 2.09 0.040 7592421 31.75456 tuongtac3 | 5798379 6.076495 0.10 0.924 -11.51512 12.6748 tuongtac4 | -7.752518 4.891931 -1.58 0.117 -17.48966 1.984628 _cons | 0056842 0129545 0.44 0.662 -.0201011 0314696 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of Rm chi2(1) = 0.56 Prob > chi2 = 0.4552 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 2.312 0.1284 H0: no serial correlation reg R3M tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 1.47 Model | 007073875 001768469 Prob > F = 0.2180 Residual | 094785923 79 001199822 R-squared = 0.0694 -+ -Adj R-squared = 0.0223 Total | 101859798 83 001227226 Root MSE = 03464 -R3M | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.642376 1.348101 1.22 0.227 -1.040952 4.325704 tuongtac2 | 5.977327 3.384745 1.77 0.081 -.7598401 12.71449 tuongtac3 | 3.091836 2.641584 1.17 0.245 -2.166105 8.349776 tuongtac4 | 3.944444 2.126628 1.85 0.067 -.2885042 8.177391 _cons | 0772518 0056316 13.72 0.000 0660424 0884613 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of R3M chi2(1) = 21.24 Prob > chi2 = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 61.224 0.0000 H0: no serial correlation reg R3M tuongtac1 tuongtac2 tuongtac3 tuongtac4, cluster( R3M) Linear regression Number of obs = 84 F( 4, 83) = 0.71 Prob > F = 0.5881 R-squared = 0.0694 Root MSE = 03464 (Std Err adjusted for 84 clusters in R3M) -| Robust R3M | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.642376 1.294827 1.27 0.208 -.9329836 4.217736 tuongtac2 | 5.977327 7.279087 0.82 0.414 -8.500486 20.45514 tuongtac3 | 3.091836 2.432408 1.27 0.207 -1.746126 7.929797 tuongtac4 | 3.944444 3.585189 1.10 0.274 -3.186353 11.07524 _cons | 0772518 0057876 13.35 0.000 0657405 0887632 - reg R2YR tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 1.30 Model | 002609061 000652265 Prob > F = 0.2777 Residual | 039669104 79 000502141 R-squared = 0.0617 -+ -Adj R-squared = 0.0142 Total | 042278165 83 000509375 Root MSE = 02241 -R2YR | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.071976 8721209 1.23 0.223 -.6639367 2.80789 tuongtac2 | 3.858893 2.189678 1.76 0.082 -.4995517 8.217338 tuongtac3 | 1.4184 1.708908 0.83 0.409 -1.983096 4.819895 tuongtac4 | 2.254409 1.37577 1.64 0.105 -.4839933 4.992811 _cons | 0908356 0036432 24.93 0.000 0835839 0980873 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of R2YR chi2(1) = 5.81 Prob > chi2 = 0.0159 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 67.365 0.0000 - H0: no serial correlation reg R2YR tuongtac1 tuongtac2 tuongtac3 tuongtac4, cluster( R2YR) Linear regression Number of obs = 84 F( 4, 82) = 0.67 Prob > F = 0.6159 R-squared = 0.0617 Root MSE = 02241 (Std Err adjusted for 83 clusters in R2YR) -| Robust R2YR | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 1.071976 9125067 1.17 0.243 -.7432901 2.887243 tuongtac2 | 3.858893 3.646655 1.06 0.293 -3.395464 11.11325 tuongtac3 | 1.4184 1.711675 0.83 0.410 -1.986668 4.823467 tuongtac4 | 2.254409 1.960393 1.15 0.253 -1.645437 6.154255 _cons | 0908356 003581 25.37 0.000 0837119 0979593 - reg R10YR tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 0.50 Model | 000594724 000148681 Prob > F = 0.7390 Residual | 023699286 79 000299991 R-squared = 0.0245 -+ -Adj R-squared = -0.0249 Total | 02429401 83 000292699 Root MSE = 01732 -R10YR | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 426988 6740904 0.63 0.528 -.9147553 1.768731 tuongtac2 | 1.625423 1.692473 0.96 0.340 -1.74336 4.994206 tuongtac3 | 0622096 1.32087 0.05 0.963 -2.566916 2.691335 tuongtac4 | 1.145291 1.063377 1.08 0.285 -.9713085 3.26189 _cons | 1049721 002816 37.28 0.000 0993671 1105772 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of R10YR chi2(1) = 3.61 Prob > chi2 = 0.0576 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 67.679 0.0000 H0: no serial correlation reg R10YR tuongtac1 tuongtac2 tuongtac3 tuongtac4, cluster( R10YR) Linear regression Number of obs = 84 F( 4, 83) = 0.25 Prob > F = 0.9099 R-squared = 0.0245 Root MSE = 01732 (Std Err adjusted for 84 clusters in R10YR) -| Robust R10YR | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | 426988 766569 0.56 0.579 -1.097687 1.951663 tuongtac2 | 1.625423 2.721048 0.60 0.552 -3.786632 7.037478 tuongtac3 | 0622096 1.407222 0.04 0.965 -2.736698 2.861117 tuongtac4 | 1.145291 1.417076 0.81 0.421 -1.673217 3.963798 _cons | 1049721 0026785 39.19 0.000 0996446 1102996 - gen h = TPDN_5YR - R5YR reg h tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 12.88 Model | 001184076 000296019 Prob > F = 0.0000 Residual | 001815187 79 000022977 R-squared = 0.3948 -+ -Adj R-squared = 0.3641 Total | 002999263 83 000036136 Root MSE = 00479 -h| Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.1061836 1865568 -0.57 0.571 -.4775157 2651485 tuongtac2 | -2.378681 4683977 -5.08 0.000 -3.311003 -1.446359 tuongtac3 | -.399305 3655553 -1.09 0.278 -1.126925 3283147 tuongtac4 | -1.689072 2942933 -5.74 0.000 -2.274848 -1.103296 _cons | 0076711 0007793 9.84 0.000 0061199 0092223 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of h chi2(1) = 42.03 Prob > chi2 = 0.0000 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 39.071 0.0000 H0: no serial correlation reg h tuongtac1 tuongtac2 tuongtac3 tuongtac4, robust Linear regression Number of obs = 84 F( 4, 79) = 4.56 Prob > F = 0.0023 R-squared = 0.3948 Root MSE = 00479 -| Robust h| Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.1061836 0921327 -1.15 0.253 -.2895691 0772019 tuongtac2 | -2.378681 9543132 -2.49 0.015 -4.278194 -.4791681 tuongtac3 | -.399305 2309182 -1.73 0.088 -.8589361 0603261 tuongtac4 | -1.689072 4985937 -3.39 0.001 -2.681498 -.6966463 _cons | 0076711 000795 9.65 0.000 0060887 0092535 - reg g tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 1.82 Model | 000064832 000016208 Prob > F = 0.1325 Residual | 00070201 79 8.8862e-06 R-squared = 0.0845 -+ -Adj R-squared = 0.0382 Total | 000766842 83 9.2391e-06 Root MSE = 00298 -g| Coef Std Err t P>|t| [95% Conf Interval] -+ tuongtac1 | -.5095807 2930511 -1.74 0.086 -1.092884 0737229 tuongtac2 | 1700659 1158595 1.47 0.146 -.0605467 4006784 tuongtac3 | -.1256422 1832726 -0.69 0.495 -.4904372 2391527 tuongtac4 | 1006034 22783 0.44 0.660 -.3528808 5540876 _cons | 0184959 0004854 38.10 0.000 0175296 0194621 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of g chi2(1) = 0.98 Prob > chi2 = 0.3220 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 47.093 0.0000 H0: no serial correlation newey g tuongtac1 tuongtac2 tuongtac3 tuongtac4, lag(4) Regression with Newey-West standard errors Number of obs = 84 maximum lag: F( 4, 79) = 0.70 Prob > F = 0.5953 -| Newey-West g| Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.5095807 5223765 -0.98 0.332 -1.549345 5301837 tuongtac2 | 1700659 1513085 1.12 0.264 -.1311062 4712379 tuongtac3 | -.1256422 2090066 -0.60 0.549 -.5416595 2903751 tuongtac4 | 1006034 1964659 0.51 0.610 -.2904521 4916589 _cons | 0184959 0007869 23.50 0.000 0169295 0200622 - reg g1 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 3.93 Model | 000127223 000031806 Prob > F = 0.0058 Residual | 00063967 79 8.0971e-06 R-squared = 0.1659 -+ -Adj R-squared = 0.1237 Total | 000766892 83 9.2397e-06 Root MSE = 00285 -g1 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.5590645 2797368 -2.00 0.049 -1.115867 -.0022623 tuongtac2 | 1675018 1105956 1.51 0.134 -.0526332 3876369 tuongtac3 | -.4600525 1749459 -2.63 0.010 -.8082735 -.1118314 tuongtac4 | 0262296 2174789 0.12 0.904 -.4066513 4591104 _cons | 0188461 0004634 40.67 0.000 0179238 0197684 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of g1 chi2(1) = 2.05 Prob > chi2 = 0.1525 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 47.011 0.0000 H0: no serial correlation newey g1 tuongtac1 tuongtac2 tuongtac3 tuongtac4, lag(4) Regression with Newey-West standard errors Number of obs = 84 maximum lag: F( 4, 79) = 2.07 Prob > F = 0.0921 -| Newey-West g1 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.5590645 5306516 -1.05 0.295 -1.6153 4971711 tuongtac2 | 1675018 1405393 1.19 0.237 -.1122346 4472382 tuongtac3 | -.4600525 2242283 -2.05 0.044 -.9063678 -.0137371 tuongtac4 | 0262296 174157 0.15 0.881 -.3204212 3728804 _cons | 0188461 0007346 25.65 0.000 0173839 0203083 - reg g2 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 4.72 Model | 000148008 000037002 Prob > F = 0.0018 Residual | 000618934 79 7.8346e-06 R-squared = 0.1930 -+ -Adj R-squared = 0.1521 Total | 000766943 83 9.2403e-06 Root MSE = 0028 -g2 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.7304657 2751655 -2.65 0.010 -1.278169 -.1827624 tuongtac2 | 0699249 1087883 0.64 0.522 -.1466129 2864626 tuongtac3 | -.5717986 172087 -3.32 0.001 -.9143293 -.229268 tuongtac4 | -.0518108 213925 -0.24 0.809 -.4776178 3739963 _cons | 0191671 0004558 42.05 0.000 0182598 0200743 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of g2 chi2(1) = 2.01 Prob > chi2 = 0.1565 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 48.381 0.0000 H0: no serial correlation newey g2 tuongtac1 tuongtac2 tuongtac3 tuongtac4, lag(4) Regression with Newey-West standard errors Number of obs = 84 maximum lag: F( 4, 79) = 1.98 Prob > F = 0.1050 -| Newey-West g2 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.7304657 4256056 -1.72 0.090 -1.577612 116681 tuongtac2 | 0699249 0937007 0.75 0.458 -.1165818 2564315 tuongtac3 | -.5717986 2470052 -2.31 0.023 -1.06345 -.0801471 tuongtac4 | -.0518108 1827118 -0.28 0.777 -.4154895 311868 _cons | 0191671 0007717 24.84 0.000 017631 0207032 - reg g3 tuongtac1 tuongtac2 tuongtac3 tuongtac4 Source | SS df MS Number of obs = 84 -+ -F( 4, 79) = 3.01 Model | 000102867 000025717 Prob > F = 0.0229 Residual | 000674961 79 8.5438e-06 R-squared = 0.1322 -+ -Adj R-squared = 0.0883 Total | 000777828 83 9.3714e-06 Root MSE = 00292 -g3 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.2127246 2873498 -0.74 0.461 -.7846801 3592309 tuongtac2 | 0964768 1136055 0.85 0.398 -.1296492 3226029 tuongtac3 | -.5036407 179707 -2.80 0.006 -.8613386 -.1459428 tuongtac4 | 143734 2233976 0.64 0.522 -.3009277 5883957 _cons | 0188012 000476 39.50 0.000 0178537 0197486 - estat hettest Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance Variables: fitted values of g3 chi2(1) = 1.53 Prob > chi2 = 0.2166 estat bgodfrey Breusch-Godfrey LM test for autocorrelation lags(p) | chi2 df Prob > chi2 -+ | 42.979 0.0000 H0: no serial correlation newey g3 tuongtac1 tuongtac2 tuongtac3 tuongtac4, lag(4) Regression with Newey-West standard errors Number of obs = 84 maximum lag: F( 4, 79) = 2.27 Prob > F = 0.0689 -| Newey-West g3 | Coef Std Err t P>|t| [95% Conf Interval] -+ -tuongtac1 | -.2127246 2783475 -0.76 0.447 -.7667614 3413122 tuongtac2 | 0964768 083327 1.16 0.250 -.0693814 2623351 tuongtac3 | -.5036407 2397104 -2.10 0.039 -.9807723 -.0265091 tuongtac4 | 143734 2117225 0.68 0.499 -.277689 5651571 _cons | 0188012 0007523 24.99 0.000 0173037 0202986 ... TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH HUỲNH THỊ THU TRANG CÁC YẾU TỐ GIẢI THÍCH TÁC ĐỘNG CỦA LẠM PHÁT NGOÀI KỲ VỌNG ĐẾN TỶ SUẤT SINH LỢI CỔ PHIẾU THEO NGÀNH TRÊN THI TRƯỜNG CHỨNG KHOÁN... thực nghiệm lý thuyết nên tác giả lựa chọn đề tài ? ?Các yếu tố giải thích tác động lạm phát ngồi kỳ vọng lên tỷ suất sinh lợi cổ phiếu theo ngành thị trường chứng khoán Việt Nam? ?? làm nghiên cứu 1.2... tác động thông tin lạm phát kỳ vọng đến suất sinh lợi bất thường cổ phiếu theo ngành Thứ hai, tác giả kiểm định yếu tố giải thích tác động dựa khung lý thuyết mơ hình chiết khấu cổ tức, yếu tố