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

[r]

BỘ GIÁO DỤC VÀ ĐÀO TẠO

ĐẠI HỌC ĐÀ NẴNG

PHẠM VĂN SƠN

NGHIÊN CỨU VÀ ỨNG DỤNG

MÔ HÌNH ĐỊNH GIÁ TÀI SẢN VỐN CHO THỊ TRƯỜNG CHỨNG KHỐN VIỆT NAM

Chun ngành: Tài chính – Ngân hàng Mã số: 60.34.20

TÓM TẮT LUẬN VĂN THẠC SĨ QUẢN TRỊ KINH DOANH

Cơng trình hồn thành

ĐẠI HỌC ĐÀ NẴNG

Người hướng dẫn khoa học: TS Võ Thị Thúy Anh

Phản biện 1: PGS TS Nguyễn Ngọc Vũ

Phản biện 2: TS Lê Cơng Tồn

Luận văn ñã ñược bảo vệ Hội ñồng chấm Luận văn tốt nghiệp thạc sĩTài – Ngân hàng họp Đại học Đà Nẵng vào ngày 20 tháng 10 năm 2010

Có thể tìm hiểu Luận văn tại:

Phần mởđầu 1 Tính cấp thiết ñề tài

Đã 10 năm kể từ Trung tâm Giao dịch chứng khoán TP HCM (nay Sở Giao dịch chứng khoán TP.HCM) ñi vào hoạt ñộng Từ mã chứng khoán niêm yết ban ñầu REE SAM, cho ñến (ngày 25/03/2010) tồn thị trường có 278 loại chứng khốn niêm yết, có 216 cổ phiếu với tổng giá trị vốn hóa đạt 106.088.905,90 triệu

đồng, đặc biệt có doanh nghiệp có vốn đầu tư nước tham gia niêm yết, 04 chứng quỹñầu tư với khối lượng 252,055 triệu ñơn vị 58 trái phiếu loại

Có thể nói hoạt động đầu tư vào chứng khốn vốn Việt Nam phổ biến ñối với người dân thị Tuy nhiên, “thực trạng” hoạt ñộng ñầu tư phần đơng nhà

đầu tư mua bán theo cảm tính, định đầu tư đa phần chịu ảnh hưởng thơng tin ngắn hạn Chính mà thị trường chứng khốn Việt Nam có tính ñột biến cao giá Điều chưa tốt xét khía cạnh ổn định phát triển bền vững TTCK

Làm ñể giảm thiểu rủi ro, ño lường rủi ro ổn ñịnh TSLT ln câu hỏi thường trực nhà đầu tư Trên giới, nhà nghiên cứu ñã vận dụng phát triển nhiều mơ hình định giá tài sản vốn CAPM, CAPM ña biến, APT, … Trong mơ hình này, cịn tồn số nhược điểm mơ hình CAPM mơ hình đơn giản, dễ dàng vận dụng nên ñược sử dụng phổ biến Tuy nhiên, kết mơ hình phụ thuộc vào quy luật phân phối TSLT, nghĩa khơng xác định xác quy luật phân phối TSLT mơ hình ước lượng khơng hiệu Trong TTCK TTCK Việt Nam, luật phân phối TSLT chứng khốn thường khơng tn thủ luật phân phối chuẩn quy luật phân phối TSLT ảnh hưởng lớn ñến kết ước lượng kiểm định tính hiệu lực mơ hình CAPM

và tiêu chuẩn kiểm định cho việc nghiên cứu, ứng dụng mơ hình CAPM thực tế

2 Mục đích nghiên cứu

Hệ thống hóa lý luận mơ hình định giá tài sản vốn thị trường chứng khốn Trên sở vận dụng mơ hình cho TTCK Việt Nam

Kiểm định độ tin cậy mơ hình CAPM TTCK Việt Nam Từđó rút kết luận phương pháp ước lượng, kiểm định tính hiệu lực mơ hình xác định mơ hình CAPM phiên áp dụng cho TTCK Việt Nam

3 Đối tượng phạm vi nghiên cứu

Đề tài tập trung vào việc vận dụng kiểm định mơ hình định giá tài sản vốn cho thị trường chứng khốn Việt Nam Tuy nhiên, đề tài dừng lại cách tiếp cận chuỗi thời gian sử dụng phương pháp ước lượng hiệu quả, ổn ñịnh phù hợp với ñặc thù thị trường chứng khoán dựa liệu chuỗi thời gian

Đề tài tập trung xác ñịnh hệ số Beta chứng khoán với danh mục thị trường số VN Index

Đề tài sử dụng liệu hàng tháng 20 công ty niêm yết SGDCK TP.HCM ñáp ứng ñủ 60 quan sát (từ tháng 6/2005 ñến tháng 5/2010)

4 Phương pháp nghiên cứu

Đề tài sử dụng phương pháp thống kê; phương pháp phân tích tổng hợp; phương pháp ước lượng thích hợp cực đại (FIML) Mơ-men tổng quát (GMM)

5 Ý nghĩa khoa học thực tiễn ñề tài

Một hệ thống hóa lý thuyết liên quan đến mơ hình định giá tài sản vốn (CAPM) cho hai phiên Sharpe (1964) – Lintner (1965b) Black (1972)

Hai hệ thống hóa qui trình với phương pháp ước lượng kiểm định mơ hình định giá tài sản vốn phù hợp với ñặc thù thị

Ba sở kiểm định phù hợp mơ hình liệu công ty niêm yết thị trường chứng khoán Việt Nam; Ước lượng hệ số Beta cho số cổ phiếu tiêu biểu ñể người ñầu tư sử dụng xác định giá trị cổ phiếu đầu tư vào thị trường chứng khốn Việt Nam; Tạo sở ban đầu cho q trình ñầu tư người ñầu tư lý trí

Bốn đúc kết kinh nghiệm q trình nghiên cứu thực nghiệm mơ hình thị trường chứng khốn Việt Nam, tạo điều kiện thuận lợi cho nghiên cứu tương tự tương lai

6 Cấu trúc luận văn

Ngồi phần mởđầu phần kết luận, luận văn gồm có chương: Chương 1: Tổng quan mơ hình định giá tài sản vốn

Trong chương này, ñề tài tổng hợp kiến thức lý luận liên quan đến mơ hình giới thiệu phiên khác mơ hình ñịnh giá tài sản vốn phiên Sharpe – Lintner, phiên Black với việc tổng hợp nghiên cứu có liên quan Việt Nam

Chương 2: Ước lượng kiểm định mơ hình CAPM

Nội dung chủ yếu chương vận dụng hai phương pháp (FIML GMM) ñể ước lượng kiểm định mơ hình CAPM CAPM Beta khơng (CAPM Beta zero) Trong đó, phương pháp ước lượng thích hợp cực đại sử dụng tình chuỗi liệu tuân thủ giảñịnh phân phối liên tục, ñộc lập, ñồng chuẩn phương pháp Mô-men tổng quát sử dụng trường hợp liệu khơng đáp ứng giảñịnh phân phối liên tục, ñộc lập, ñồng chuẩn

Chương 3: Vận dụng mơ hình CAPM TTCK Việt Nam

Trên sở chương trước, chương tập trung vào việc ước lượng kiểm định mơ hình CAPM chứng khốn đáp ứng đủ

Chương Tổng quan mơ hình định giá tài sản vốn 1.1 Lý thuyết thị trường vốn (Capital Market Theory)

1.1.1 Các giảñịnh lý thuyết thị trường vốn 1.1.2 Tài sản phi rủi ro

1.1.3 Đường thị trường vốn (Capital Market Line) 1.1.4 Danh mục thị trường

1.1.5 Đa dạng danh mục đầu tư 1.2 Mơ hình định giá tài sản vốn (CAPM)

1.2.1 Mơ hình CAPM phiên Sharpe – Lintner

Từ phiên Sharpe - Lintner, có thu nhập kỳ vọng tài sản i: E[Ri] = Rf + βim(E[Rm] – Rf),

Cov(Ri, Rm) βim =

Var[Rm]

với Rm thu nhập danh mục thị trường Rf thu nhập tài

sản phi rủi ro

Đặt Zi thu nhập vượt trội (phần bù rủi ro) tài sản thứ i so với lãi

suất phi rủi ro, Zi = Ri – Rf Ta có mơ hình CAPM Sharpe Lintner

như sau:

E[Zi] = βimE[Zm],

Cov(Zi, Zm) βim =

Var[Zm]

với Zm thu nhập vượt trội danh mục thị trường

1.2.2 Mơ hình CAPM Beta zero phiên Black

Trong điều kiện khơng tồn tài sản phi rủi ro, Black (1972) tìm thấy phiên tổng qt mơ hình CAPM Thu nhập kỳ vọng tài sản i: E[Ri] = E[R0m] + βim(E[Rm] – E[R0m])

Trong Rm thu nhập danh mục thị trường R0m thu nhập

của danh mục có beta đơi tương ứng với danh mục thị trường (m)

Cov(Ri, Rm) βim =

Các phân tích xem khoản thu nhập danh mục có beta

một giá trị quan sát Đối với mơ hình có: E[Ri] = αim + βimE[Rm]

Và ñề xuất phiên Black

αim = E[R0m](1- βim) ∀i

1.2.3 Những ứng dụng mơ hình CAPM

- Hệ số beta mơ hình CAPM ñược sử dụng ñể phân tích dự báo rủi ro cơng ty TTCK Khi xác ñịnh ñược hệ số beta cho

các công ty TTCK người đầu tưvà bên liên quan có thêm thước đo để đo lường dự báo rủi ro công ty

- Xác ñịnh tỷ suất lợi tức yêu cầu ñầu tư vốn vào công ty cách ước lượng E(Ri) công ty từ liệu thị trường

- Xác ñịnh tỷ suất lợi tức kỳ vọng mơ hình CAPM sử dụng làm lãi suất chiết khấu

1.3 Tổng quan nghiên cứu có liên quan đến việc ước lượng

kiểm định mơ hình CAPM

1.3.1 Tổng quan nghiên cứu chủ yếu có liên quan đến việc

ước lượng kiểm định mơ hình CAPM giới

1.3.2 Tổng quan nghiên cứu có liên quan ñến việc ước lượng

và kiểm ñịnh mô hình CAPM Việt Nam

Tổng kết nghiên cứu thực VN, có kết luận sau:

Một tất nghiên cứu dừng lại mơ hình CAPM, phiên

bản Sharpe – Lintner, ước lượng mô hình phương pháp ước lượng OLS sau kiểm định giả thiết mơ hình hồi quy

Hai chuỗi tỷ suất lợi tức không tuân thủ qui luật phân phối chuẩn tác giả ñều sử dụng luật số lớn ñể cho chuỗi tỷ

suất lợi tức tuân thủ qui luật phân phối chuẩn gia tăng kích thước mẫu Tuy nhiên qua thực tế kiểm ñịnh, ñiều khơng chắn với tỷ

suất lợi tức chứng khoán niêm yết SGDCK TP.HCM Do đó,

các giả thuyết mơ hình hồi quy ước lượng bị chệch khơng hiệu

Chính kết luận nghiên cứu có tồn mơ

hình CAPM SGDCK TP.HCM kết nghiên cứu ñề tài khơng đủ sởđể chấp nhận Do cần phải thực lại việc ước lượng kiểm định mơ hình

Chương Ước lượng kiểm định mơ hình CAPM

2.1 Khi liệu tuân thủ luật phân phối liên tục, ñộc lập, ñồng

và chuẩn

2.1.1 Ước lượng mơ hình CAPM phiên Sharpe – Lintner phương pháp thích hợp cực đại (FIML)

2.1.1.1 Ước lượng mơ hình

Zt vectơ (có kích thước N x1) của khoản thu nhập vượt trội

N tài sản (hoặc danh mục tài sản) Chúng ta có mơ hình

Zt = α+ β Zmt + εt,

với β vectơ có kích thước N x của beta, Zmt thu nhập vượt

trội danh mục thị trường thời kỳ t α, εt véctơ có kích thước

N x lần lượt hệ số chặn thu nhập từ tài sản yếu tố nhiễu Trong phiên Sharpe – Lintner, ñịnh nghĩa lại µ thu nhập vượt trội kỳ vọng Hệ mơ hình CAPM Sharpe – Lintner tất phần tử véctơαñều

Chúng ta dùng phương pháp thích hợp cực đại đểước lượng hệ số

trong mơ hình khơng ràng buộc với giả định thu nhập vượt trội có hàm mật ñộ phân phối xác suất chuẩn, liên tục.Chúng ta giải tham sốước lượng thích hợp cực đại Đó

m

µ β µ

αˆ = ˆ − ˆˆ , ( )( )

( )2

1

ˆ ˆ ˆ

ˆ

∑ ∑

= =

− − −

=

T

t mt m

T

t t mt m

Z Z Z

µ µ µ

β ,

( ˆ ˆ )( ˆ ˆ )

1 ˆ

1

'

∑

=

− − −

− =

∑ T

t

mt t

mt

t Z Z Z

Z

Với ∑ ∑ = = = = T t mt m T t t Z T và Z

T 1

1 ˆ

ˆ µ

µ

Khi xuất ràng buộc (α = 0) tham sốước lượng β Σ mơ hình ràng buộc

, ˆ * ∑ ∑ = = = T t mt T t t mt

Z Z Z β ∑ ( )( ) = ′ − − = ∑ T t mt t mt

t Z Z Z

Z T * * * , ˆ ˆ ˆ β β

Phân phối tham sốước lượng ràng buộc theo giả thuyết H0

, ˆ ˆ 1 , ~ ˆ 2 *         ∑       + m m T N σ µ β

β T∑ˆ*~ WN(T −1,∑)

2.1.1.2 Kiểm định tính hiệu lực mơ hình CAPM

Sử dụng tham sốước lượng khơng ràng buộc, thiết lập thống kê kiểm ñịnh Wald với cặp giả thiết sau :

Giả thiết H0: α = ñối thiết H1: α≠

Thống kê Wald [ [ ]] α α

σ µ α α α ˆ ˆ ˆ ˆ ˆ ˆ ˆ 1 2 − − − ′∑       + = ′ = m m T Var J

với giả thiết H0, J0 tuân thủ phân phối Chi bình phương với N bậc tự

do

Khi mẫu nhỏ, sử dụng tiêu chuẩn kiểm định

( ) α α σµˆ ˆ ˆ ˆ 1 1 2 − − ∑ ′       + − − = m m N N T J

Theo giả thuyết 0, J1 phân phối vơ điều kiện, trung tâm phân

phối F với N bậc tự tử số (T-N-1) bậc tự mẫu số

Khi có hai loại tham sốước lượng thích hợp cực đại (ràng buộc khơng ràng buộc), kiểm định giới hạn mơ hình Sharpe – Lintner cách sử dụng kiểm định tỷ lệ thích hợp

Ký hiệu LR tỷ lệ logarit thích hợp, có : LR = L* - L = − [log ∑ˆ − log ∑ˆ ]

2

*

T

Trong đó L* đại ñiện cho hàm logarit thích hợp phụ thuộc

[ * ]

2 log ˆ log ˆ ~ N

a

T LR

Theo giả thiết H0, luật phân phối mẫu xác định J2 khác biệt

so với luật phân phối mẫu lớn Jobson Korkie (1982) ñã ñiều chỉnh ñối với J2 có đặc tính mẫu xác định tốt Đặt

J3 giá trị thống kê ñã ñiều chỉnh, có:

[ * ]

2

3 log ˆ log ˆ ~

2 2 N a N T J T N T

J  ∑ − ∑ χ

     − − =       − − =

2.1.2 Ước lượng mơ hình CAPM Beta zero phiên Black phương pháp thích hợp cực đại (FIML)

2.1.2.1 Ước lượng mơ hình

Trong điều kiện khơng có tài sản phi rủi ro, xem xét mơ hình Black Thu nhập kỳ vọng danh mục beta zero, E[R0m] ñược

xem danh mục khơng thể quan sát trở thành tham số chưa xác định mơ hình Ký hiệu thu nhập kỳ vọng danh mục beta zero γ mơ hình Black

E[Rt] = ιγ + β(E[Rmt] – γ) = (ι – β)γ + β.E[Rmt]

Với mơ hình Black, mơ hình khơng ràng buộc mơ hình thu nhập thực thị trường Định nghĩa Rt véctơ có kích thước (N x 1)

thu nhập thực từ N tài sản danh mục tài sản Từ tài sản này, mơ hình thu nhập thực thị trường

Rt = α+ βRmt + εt ,

với β véctơ beta tài sản có kích thước (N x 1), Rmt thu

nhập danh mục thị trường thời kỳ t α, εt véctơ có kích thước

(N x 1) lần lượt hệ số chặn thu nhập yếu tố nhiễu

Có thể dễ dàng xác định hệ mơ hình Black cách so sánh kỳ vọng khơng điều kiện hai mơ hình Đó α = (ι – β)γ

Sử dụng phương pháp thích hợp cực đại, có tham sốước lượng sau

m µ β µ αˆ = ˆ− ˆˆ , 1 ) ˆ ( ) ˆ )( ˆ ( ˆ ∑ ∑ = = − − − = T

t mt m

T

t t mt m

( )( ) ∑ = ′ − − − − = ∑ T t mt t mt

t R R R

R T ˆ ˆ ˆ ˆ ˆ α β α β ,

trong ∑ ∑

= = = = T t mt m T t t R T và R

T 1

1 ˆ

ˆ µ

µ

Hiệp phương sai αˆvà βˆlà [ ] ∑

        − = ˆ2

ˆ ˆ , ˆ m m Cov σ µ β α

Đối với mơ hình ràng buộc phiên Black, giải ñược tham sốước lượng thích hợp cực đại

( ) ( )

( *) * 1( *)

* * * * ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ β β µ β µ β γ − ∑ ′ − − ∑ ′ − = − − t t

t m ,

( )( ) ( *)2 * * * ˆ ˆ ˆ ˆ γ γ γ β − ∑ − − ∑ = = = mt T t mt t T t R R t R , ( )( )′ − − − − − − = ∑ ∑

= t mt

T

t

mt

t t R R t R

R T * * * * * * * ˆ ) ˆ ( ˆ ˆ ) ˆ ( ˆ ˆ γ β β γ β β

Các phương trình khơng cho giải rõ ràng tham sốước lượng thích hợp cực đại Các tham sốước lượng thích hợp cực ñại ñược xác ñịnh cho trước tham sốước lượng ban ñầu phù hợp β, Σ sau thay vào cơng thức nói hội tụ Các tham sốước lượng khơng ràng buộcβˆ và∑ˆ ñược xem tham sốước lượng ban ñầu phù hợp β Σ tương ứng

Đối với mơ hình khơng ràng buộc, xem xét mơ hình thị

trường điều kiện tỷ suất sinh lợi vượt trội so với tỷ suất sinh lợi kỳ

vọng beta (γ)

Rt – γι = α + β(Rmt – γ) + εt

Giả sử γđược xác định tham sốước lượng thích hợp cực đại

đối với mơ hình khơng ràng buộc ) (

)

(γ µ γι β µ γ

α = − − m −

) ) ) ) , ∑ ∑ = = − − − = T

t mt m

T

t t mt m

R R R ) ( ) )( ( µ µ µ β) ) ) ) ,

và ∑ = ∑ [ − − − ][ − − − ]′

= ) ( ) ( 1 m mt m t T t m mt m

t R R R

R

T µ β µ µ β µ

Khi α dần tham sốước lượng ràng buộc

( )( )

( )2

1 * ˆ γ γ γ β − ∑ − − ∑ = = = mt T t mt t T t R R t R , ( )( )′ − − − − − − = ∑ ∑ = mt t T t mt

t t R R t R

R T * * * * * ˆ ) ˆ ( ˆ ) ˆ ( ˆ γ β β γ β β

Thiết lập hàm logarit tỷ lệ thích hợp, ta có

[ ∑ − ∑ ]

− = −

= log ) ( ) log )

) ( )

(γ L* γ L T * γ

LR

Giá trị γ mà làm cực tiểu hàm logarit tỷ lệ thích hợp giá trị làm cực đại hàm logarit thích hợp phụ thuộc Do giá trị tham sốước lượng thích hợp cực đại của γ Chúng ta có thể từ γˆ* ñể tính

ñược βˆ* và∑ˆ*

2.1.2.2 Kiểm ñịnh tính hiệu lực mơ hình CAPM Beta zero

Khi có tham số ước lượng thích hợp cực đại ràng buộc khơng ràng buộc thiết lập thống kê kiểm định tỷ lệ thích hợp tiệm cận H0 Giả thiết H0 giả thiết khác ñược xác ñịnh:

H0: α = ( ι- β)γ H1: α≠ (ι - β)γ

Kiểm ñịnh tỷ lệ thích hợp J4 xác định giá trị thống kê kiểm

định, có

[ ]

1 *

4 =T log ∑ −log ∑ ~ N−

J ) ) χ

Chúng ta có trị thống kê kiểm định ñiều chỉnh J5

[ ]

1 *

5 =(T −N−2)log∑ −log∑ ~ N−

J ) ) χ

2.1.3 Kiểm ñịnh giả thiết thống kê mơ hình

Ngồi việc kiểm định giả thiết thống kê β, đề tài cịn trình bày phương pháp tiêu chuẩn kiểm ñịnh sựổn ñịnh β theo thời gian Thông qua việc chia mẫu quan sát mẫu Một mẫu dùng ñể ước lượng mẫu cịn lại dùng đểđối chiếu

2.2 Khi liệu khơng tn thủ luật phân phối chuẩn độc lập,

ñồng

Trong phương pháp GMM, phân phối chuỗi thu nhập phụ thuộc

vào thu nhập thị trường kỳ phụ thuộc phương sai sai số

2.2.1 Ước lượng mơ hình CAPM phương pháp GMM

Chúng ta tiếp tục với T quan sát theo thời gian N tài sản Chúng ta cần thiết lập vectơ Mơ-men điều kiện với kỳ vọng tốn khơng Mơ-men điều kiện cần thiết lập từ mơ hình thu nhập vượt trội thị trường Vectơ phần dưcủa mơ hình cung cấp N Mơ-men điều kiện tích số thu nhập vượt trội thị trường vectơ phần dư cung cấp N Mơ-men

điều kiện khác

Chúng ta có ft(θ) = ht ⊗ εt

Trong đó: h’t = [1 Zmt], εt= Zt - α - βZmt θ’ = [α’β’]

Tham số ước lượng GMM θ) ñược xác ñịnh để tối thiểu phương trình

tồn phương QT(θ) = gT(θ)’WgT(θ) Các tham sốước lượng

, ˆ ˆ ˆ

ˆ µ βµm

α = − ( )( )

( ˆ ) ˆ ˆ ˆ 1 ∑ ∑ = = − − − = T

t mt m

T

t t mt m

Z Z Z µ µ µ β

2.2.2 Kiểm định tính hiệu lực mơ hình

Khi liệu khơng tuân thủ luật phân phối chuẩn, ñộc lập ñồng nhất, sử dụng phương pháp ước lượng OLS hay FIML ước lượng bị chệch tham sốước lượng

ước lượng hiệu

Vấn ñề quan trọng cách tiếp cận theo phương pháp GMM ma trận hiệp phương sai ước lượng xác định khơng chệch

và hiệu Phương sai α) β) khác với phương sai hệ

số phương pháp thích hợp cực ñại Ma trận phương sai tham sốước lượng θ) phương pháp GMM V = [D0

’

S0 -1

D0] -1

Trong đó:

      ′ ∂ ∂ = θ θ ) ( T g E

D ∑ ( ) ( )

+∞ −∞ = −     ′ = l l t t f f E

S0 θ θ

Phân phối tiệm cận θ) phân phối chuẩn

Do ta có -1

0 -0 0S D ]

D [ , ( ~ ′ T N a θ θ)

với

( )      + −

= 2

1 m m m m o D µ σ µ µ

Trị thống kê kiểm ñịnh α) [ [ ' ]1 ]1α)

− −

− ′

′

=T RD S D R

J T T T Với

giả thiết H0

2

7~ N

a

Ngồi ra, chúng kiểm giả thiết ñối với α β

phương pháp FIML

Chương Vận dụng mơ hình CAPM TTCK Việt Nam 3.1 Giới thiệu TTCK Việt Nam liệu mô hình 3.1.1 Giới thiệu TTCK Việt Nam

3.1.2 Mô tả liệu phương pháp thu thập, xử lý liệu 3.1.2.1 Dẫn nhập

Tại SGDCK TP.HCM tính đến hết tháng năm 2010, có 20 chứng

khốn đáp ứng ñiều kiện số quan sát 60 tháng Do ñó, ñề tài thu thập sử dụng liệu 20 chứng khốn để ước lượng kiểm định

3.1.2.2 Thống kê mơ tả chứng khốn sử dụng để ước lượng 3.2 Vận dụng mơ hình CAPM phiên Sharpe – Lintner

3.2.1 Kiểm ñịnh việc tuân thủ luật phân phối chuẩn chuỗi tỷ

suất sinh lợi vượt trội

Sử dụng ñồng thời tiêu chuẩn kiểm ñịnh: Jarque – Bera, Cramer – von, Watson, Anderson – Darling ñể kiểm ñịnh phân phối chuỗi TSLT có tuân thủ luật phân phối chuẩn hay không Đề tài chấp nhận TSLT CK danh mục thị trường tuân thủ qui luật phân phối chuẩn tiêu chuẩn kiểm ñịnh ñều chấp nhận

Chúng ta thấy chuỗi TSLT chứng khốn, có chuỗi TSLT chứng khốn không tuân thủ theo qui luật phân phối chuẩn (BT6, DHA, HAS, KHA, MHC, REE, SAV TRI) lại ñều tuân

thủ qui luật phân phối chuẩn Do sử dụng phương pháp ước lượng thích hợp cực đại - FIML mơ hình CAPM phiên Sharpe – Lintner khơng ước lượng chứng khốn để đảm bảo tuân thủ giả ñịnh phương pháp ước lượng

3.2.2 Kiểm định tính dừng chuỗi TSLT vượt trội

Nhưđã trình bày kết luận chương 2, ñể tránh trường hợp hồi qui giả mạo, thực hồi qui hai biến chuỗi thời gian chuỗi

là có tính dừng trung bình phương sai q trình khơng thay đổi theo thời gian giá trị hiệp phương sai hai thời ñoạn phụ thuộc vào khoảng cách hay ñộ trễ thời gian hai thời ñoạn khơng phụ thuộc vào thời điểm thực tế mà hiệp phương sai tính

Qua liệu bảng 3-3, thấy có đến 15/21 chuỗi TSLT có xác suất sai lầm bác bỏ giả thiết H0 cho chuỗi liệu có tính

dừng xấp xỉ Đối với chuỗi lại gồm Zm, ZNKD, ZREE, ZSAM, ZSFC ZTS4 xác suất ñạt mức lớn (trên 99,9%) Do ñó, khẳng định tồn 21 chuỗi liệu thời gian nói có tính dừng

3.2.3 Ước lượng mơ hình CAPM phiên Sharpe – Lintner phương pháp FIML

3.2.3.1 Kết quảước lượng mơ hình khơng ràng buộc

Ước lượng mơ hình (2.1) Zt = α+ β Zmt + εtđối với 12 chứng khốn có

TSLT tn thủ luật phân phối chuẩn dừng thu chuỗi phần dư từ mơ hình để kiểm ñịnh giả thiết ñối với phần dư mô hình khơng ràng buộc

3.2.3.2 Kiểm định giả thiết phần dư mơ hình khơng ràng buộc

- Kiểm ñịnh việc tuân thủ qui luật PP chuẩn

- Kiểm ñịnh tượng tự tương quan phần dư

- Kiểm ñịnh tượng phương sai không ñồng ñối với phần dư

Nếu phần dư mơ hình khơng tn thủ giảđịnh thanm sốước lượng khơng cịn đảm bảo ước lượng BLUE loại bỏ chứng khốn khỏi mơ hình ước lượng lại mơ hình khơng ràng buộc

Qua q trình kiểm tra giả định mơ hình hồi qui, có

đối với mã chứng khốn: AGF, BBC, GIL, GMD, HAP, LAF, SAM, SFC, SSC, TMS TS4

3.2.3.3 Kết quảước lượng mơ hình CAPM

Chúng ta ước lượng mơ hình CAPM: Zt = βZmt + εt Sau thơng qua

kiểm ñịnh Student ñể loại bỏ CK có hệ sốβ=0 ước lượng lại mơ hình Kết sau

Bảng 3-9: Giá trị ước lượng hệ số mơ hình CAPM phiên

bản Sharpe – Lintner theo phương pháp FIML

Chứng khoán Hệ số ββββ Giá trị ước lượng Trị thống kê T Prob

AGF C(2) 0,6009 5,7340

BBC C(4) 0,7370 6,2741

GIL C(10) 0,6296 4,6295

GMD C(12) 0,6759 4,6073

HAP C(14) 0,8433 8,1960

LAF C(20) 0,9147 5,4413

SAM C(28) 0,5012 5,4592

SFC C(32) 0,6698 8,7307

SSC C(34) 0,4042 4,3920

TMS C(36) 0,8871 7,4891

3.2.3.4 Kiểm định hiệu lực mơ hình CAPM phiên Sharpe - Lintner

Kiểm ñịnh Wald ñối với giả thiết α = cho phép kết luận ñối với mã chứng khốn nói trên, hệ sốα mơ hình Điều có nghĩa mơ hình CAPM phiên Sharpe – Lintner có hiệu lực

Kiểm định tiêu chuẩn tỷ lệ thích hợp có kết Từ

bảng 3-11, thấy xác suất sai lầm bác bỏ giả thiết H0 (α

=0) cho mô hình CAPM khơng có hiệu lực hay hệ sốα ≠ trị thống kê J0, J1, J2 J3 lớn (trên 0.90) Chính vậy, chúng

Bảng 3-11: Kiểm ñịnh tỷ lệ thích hợp mơ hình CAPM phiên bản Shaper - Lintner

Hệ phương trình gồm: AGF, BBC, GIL, GMD HAP

Tiêu chuẩn kiểm ñịnh

Trị thống kê

kiểm ñịnh Prob Kết luận

Kiểm ñịnh Wald - J0 0,305456 0,997

50

Mô hình có hiệu lực Kiểm định Fisher - J1 3,298925 0,988

90

Mơ hình có hiệu lực Kiểm định tiệm cận - J2 0,285306 0,997 Mơ hình có hiệu

lực Kiểm ñịnh ñiều chỉnh - J3 0,268663 0,998 Mơ hình có hiệu

lực

Hệ phương trình gồm: LAF, SAM, SFC, SSC, TMS TS4

Tiêu chuẩn kiểm ñịnh

Trị thống kê

kiểm ñịnh Prob Kết luận

Kiểm ñịnh Wald - J0 2,651061 0,851

20

Mơ hình có hiệu lực Kiểm định Fisher - J1 23,41771 1,000

00

Mơ hình có hiệu lực Kiểm định tiệm cận - J2 1,014421 0,985 Mơ hình có hiệu

lực Kiểm định điều chỉnh - J3 0,955246 0,987 Mơ hình có hiệu

lực

3.2.3.5 Kiểm ñịnh giả thiết ñối với hệ sốββββ

Kiểm ñịnh giả thiết β = tiêu chuẩn kiểm ñịnh Wald hay sử

dụng kiểm định phía giả thiết β <1 có kết luận: Hệ sốβ

của CK ñều nhỏ

3.2.3.4 Đánh giá

Qua q trình ước lượng kiểm định, có kết luận:

- Trong tổng số 12 chứng khốn, xác định tính hiệu lực mơ hình CAPM phiên Sharpe – Lintner ñối với 10 chứng khoán,

ñạt tỷ lệ 83,33%

- Các hệ số Beta ñược ước lượng ñảm bảo tuân thủ chặt chẽ giả

thiết mơ hình hồi quy lẫn giảđịnh mơ hình CAPM Mặt khác,

ñộ tin cậy kiểm ñịnh hầu hết ñều lớn 95% Do ñó, hệ

số Beta chứng khoán hồn tồn sử dụng thước đo rủi ro cơng ty hay sử dụng hệ số Beta

Bảng 3-14: Giá trị ước lượng hệ số Beta mơ hình CAPM phiên

bản Sharpe – Lintner theo phương pháp FIML Chứng khoán Hệ số Giá trị ước lượng

AGF C(2) 0,6009

BBC C(4) 0,7370

GIL C(10) 0,6296

GMD C(12) 0,6759

HAP C(14) 0,8433

LAF C(20) 0,9147

SAM C(28) 0,5012

SFC C(32) 0,6698

SSC C(34) 0,4042

TMS C(36) 0,8871

3.2.4 Ước lượng mơ hình CAPM phiên Sharpe – Lintner phương pháp GMM

Ước lượng mô hình khơng ràng buộc, loại bỏ CK có hệ sốα≠0 ước lượng lại mơ hình

Ước lượng mơ hình ràng buộc, mơ hình CAPM, CK

đảm bảo tn thủα=0 có kết

Bảng 3-16: Giá trị ước lượng hệ số Beta mơ hình CAPM theo phương pháp GMM

Chứng khoán Hệ số ββββ Giá trị ước lượng

DHA C(8) 0,621253

HAS C(16) 0,781763

KHA C(18) 0,345638

MHC C(22) 0,674448

REE C(26) 1,285863

SAV C(30) 0,358701

TS4 C(40) 0,487388

Kiểm định tính hiệu lực mơ hình CAPM tiêu chuẩn: - Kiểm định Wald giả thiết α=0 Nếu α=0 mơ hình CAPM có hiệu lực

hiện kiểm ñịnh giả thiết ñối với hệ sốβ, có số kết luận sau

Bảng 3-18: Kiểm định hiệu lực mơ hình CAPM ước lượng theo PP GMM tiêu chuẩn kiểm ñịnh tỷ lệ thích hợp

Giá trị kiểm

ñịnh J7

df Prob Kết luận

Hệ PT gồm CK: REE, SAV TS4

0,112259 0,990327 Mơ hình có hiệu

lực Hệ PT gồm CK: DHA,

HAS, KHA MHC 0,204471 0,995117

Mơ hình có hiệu

lực Do sử dụng phương pháp GMM ñể ước lượng nên tham số ước lượng ước lượng hiệu Bởi phương pháp này, khơng cần quan tâm đến giảđịnh mơ hình hồi qui nên khơng cần thực kiểm định

Ngồi chứng khốn như: BT6, NKD TRI tất chứng khốn cịn lại xác định hệ số Beta mơ hình CAPM phiên Sharpe - Lintner

Trong 7/10 chứng khoán mà mơ hình CAPM có hiệu lực có hệ

sốβ chứng khốn REE có giá trị lớn Điều ñồng nghĩa với rủi ro hệ thống cơng ty biến động chiều lớn rủi ro danh mục thị trường

3.3 Vận dụng mơ hình CAPM phiên Black

3.3.1 Kiểm ñịnh việc tuân thủ qui luật phân phối chuẩn chuỗi tỷ

suất sinh lợi thực tế

Chúng ta thấy chuỗi tỷ suất lợi tức chứng khốn, có

8 chuỗi tỷ suất lợi tức chứng khốn khơng tuân thủ theo qui luật phân phối chuẩn (BT6, DHA, KHA, MHC, REE, SAV TRI) lại

đều tn thủ qui luật phân phối chuẩn Do sử dụng phương pháp

3.3.2 Kiểm định tính dừng chuỗi TSLT thực tế

Chúng ta khẳng định tồn 21 chuỗi liệu thời gian nói

đều có tính dừng Như vậy, thực hồi qui chuỗi TSLT chứng khoán với chuỗi TSLT danh mục thị trường, tìm thấy mối quan hệ hồi qui mối quan hệ ln xác thực

3.3.3 Ước lượng mơ hình CAPM phiên Black phương pháp FIML

3.3.3.1 Kết quảước lượng mơ hình khơng ràng buộc

Chúng ta có mơ hình hồi quy Rt = α+ βRmt + εt

Sau ước lượng, tiến hành lấy phần dư mơ hình để thực kiểm định giả thiết mơ hình hồi qui

3.3.3.2 Kiểm ñịnh giả thiết ñối với phần dư mơ hình khơng ràng buộc

Kiểm định việc tuân thủ qui luật PP chuẩn Kiểm ñịnh giảñịnh tự tương quan chuỗi Kiểm ñịnh phương sai phần dư

Qua trình kiểm tra giả định mơ hình hồi qui, có

thể kết luận phần dư mơ hình khơng ràng buộc phiên Black tuân thủ phân phối chuẩn, ñộc lập ñồng ñược ñảm bảo ñối với mã chứng khoán: AGF, BBC, GIL, GMD, HAP, HAS, LAF, SAM, SFC, SSC, TMS TS4 Chúng ta tiếp tục ước lượng mơ hình khơng ràng buộc chứng khoán phần

3.3.3.3 Kết quả ước lượng mơ hình ràng buộc (Mơ hình CAPM)

Trong chương 2, có mơ hình ràng buộc phiên Black như sau: E[Rt] = ιγ + β(E[Rmt] – γ) = (ι – β)γ + β.E[Rmt]

Thông qua trình lặp: Ước lượng, loại bỏ CK có hệ số β = theo kiểm ñịnh Student khỏi hệ phương trình ước lượng lại mơ hình

3.3.3.4 Kiểm định tính hiệu lực mơ hình

Chúng ta sử dụng tiêu chuẩn kiểm ñịnh ñể kiểm ñịnh ñối với cặp giả thiết ñây:

H0: α = ( ι- β)γ , nghĩa mơ hình có hiệu lực

Từ mơ hình tính tiêu chuẩn kiểm ñịnh bảng ñây:

Bảng 3-28: Kiểm định tỷ lệ thích hợp phiên Black

Mơ hình J4 Prob J5 Prob

Hệ phương trình gồm CK: AGF, BBC 1

Hệ phương trình gồm CK: NKD, SAM, 1

Như vậy, hai tiêu chuẩn kiểm ñịnh J4 tiêu chuẩn kiêm ñịnh ñiều chỉnh J5 ñều cho thây mơ hình CAPM phiên Black có hiệu lực chứng khoán: AGF, BBC, HAP, NKD, SAM, SFC, SSC, TMS TS4 xác suất sai lầm bac tính hiệu lực mơ hình xấp xỉ Chúng ta sử dụng tham sốước lượng từ mơ hình nàycũng

thực kiểm ñịnh giả thiết thống kê ñối với hệ số ước lượng mơ hình

3.3.3.5 Kiểm ñịnh giả thiết thống kê ñối với hệ sốước lượng 3.3.3.6 Đánh giá

Thông q trình ước lượng kiểm định giảđịnh mơ hình hồi quy mơ hình CAPM, thấy phiên Black tồn

ñối với chứng khốn

Trong mơ hình CAPM phiên Black, sử dụng kỹ thuật ước lượng hệ phương trình nên dù sử dụng phương pháp FIML ñể ước lượng ñều xác định hệ số Beta chứng khốn với ñộ

tin cậy cao kết cuối kết trình lặp “ước lượng hệ phương trình– kiểm định – loại bỏ chứng khoán vi phạm giả thiết –

ước lượng hệ phương trình –kiểm định”

Bảng 3-31: Giá trị ước lượng mơ hình CAPM phiên Black theo phương pháp FIML

Chứng khoán Hệ số Giá trị ước lượng

C(1) 1,3554

AGF

C(2) 0,5950

C(3) 6,1040

BBC

C(4) 0,7432

C(13) 3,1698

HAP

C(14) 0,8434

C(23) 16,0951

NKD

C(24) 0,8874

C(28) 0,4983

C(31) 3,0967

SFC

C(32) 0,6737

C(33) 0,4548

SSC

C(34) 0,3966

C(35) 26,5620

TMS

C(36) 0,9059

3.3.3 Ước lượng mơ hình CAPM phiên Black phương pháp GMM

Trong phần trên, thấy chuỗi tỷ suất lợi tức

các chứng khốn, có chuỗi tỷ suất lợi tức chứng khốn khơng tn thủ theo qui luật phân phối chuẩn (BT6, DHA, KHA, MHC, REE, SAV TRI), chứng khốn (GIL, GMD, HAS LAF) có phần dư

không tuân thủ luật phân phối chuẩn, chứng khốn TS4 có β = chứng khốn NKD có phương sai sai số khơng đồng Đối với chứng khoán này, sử dụng phương pháp GMM để vận dụng mơ hình

3.3.3.1 Kết quảước lượng mơ hình

Phương pháp GMM cần giả định TSLT chứng khốn có tính dừng nên sau ước lượng hệ số mơ hình khơng ràng buộc (Xem bảng A-5, phụ lục), tiếp tục ước lượng mơ hình ràng buộc kiểm định tính hiệu lực mơ hình

3.3.3.2 Kiểm định hiệu lực mơ hình

Trong chương 2, trình bày tiêu chuẩn kiểm định tỷ lệ

thích hợp mơ hình CAPM ước lượng phương pháp GMM Chúng ta có tiêu chuẩn kiểm định

[ ]

[ ] α

α) ' 1 1 )

7

− −

− ′

′

=T RD S D R

J T T T ñể kiểm ñịnh ñối với cặp giả thiết:

H0: α = ( ι- β)γ (nghĩa mơ hình có hiệu lực) H1: α ≠ (ι - β)γ (nghĩa

Bảng 3-33: Kiểm định tính hiệu lực mơ hình CAPM phiên Black ước lượng phương pháp GMM

Giá trị

kiểm

ñịnh J7

df Prob Kết luận

Hệ PT gồm CK: BT6,

DHA, KHA, MHC SAV 0,248709 0,99849

Mơ hình có hiệu lực Hệ PT gồm CK: GIL,

HAP, HAS, GMD, LAF, NKD TS4

0,246279 0,99994 Mơ hình có hiệu lực Với liệu bảng, xác suất sai lầm bác bỏ giả thiết H0 cho

rằng mơ hình có hiệu lực cao (xấp xỉ 1) Do ,

khẳng định mơ hình CAPM phiên Black có hiệu lực chứng khốn nói sử dụng phương pháp GMM ñểước lượng

3.3.3.3 Kiểm ñịnh giả thiết thống kê ñối với hệ sốββββ

Kiểm định phía giả thiết β <1, thấy 13 chứng khoán, hệ số Beta 11 chứng khốn bé Đối với hai chứng khốn cịn lại REE LAF với mức ý nghĩa 5%, không

ñủ sởñể kết luận Beta chúng bé Tuy nhiên dễ thấy giá trị thống kê t hai chứng khoán 1,4073 2,6649 ñều lớn giá trị t(0,95;58) = 0,0630 nên kết luận hệ số Beta hai chứng khốn lớn

3.3.3.4 Đánh giá

Như qua trình ước lượng phương pháp GMM kiểm

ñịnh ñối với tính hiệu lực mơ hình CAPM phiên Black, có kết sau

Bảng 3-35: Giá trị ước lượng hệ số Beta phiên Black theo phương pháp GMM

Chứng khoán Hệ số Giá trịước lượng

C(10) 0,7658

BT6

C(9) 4,5877

C(12) 0,7875

DHA

C(11) 5,8513

C(16) 0,9680

KHA

C(15) -1,1911

C(20) 0,8367

MHC

C(24) 1,0807 REE

C(23) -25,0788

C(40) 0,4354

SAV

C(39) -1,0599

C(6) 0,2602

TRI

C(5) 2,1322

C(8) 0,5770

GIL

C(7) 2,3464

C(18) 0,3775

GMD

C(17) 0,6191

C(22) 0,7971

HAS

C(21) 5,0920

C(26) 1,0689

LAF

C(25) -8,3321

C(30) 0,5163

NKD

C(29) 3,5835

C(38) 0,3145

TS4

C(37) -1,8994

Một phương pháp GMM sử dụng đểước lượng chứng khốn có TSLT khơng theo phân phối chuẩn chứng khốn vi phạm giảđịnh mơ hình hồi qui mà phương pháp phổ

biến OLS hay FIML khơng thểước lượng hiệu

Hai mơ hình CAPM phiên Black có hiệu lực thị trường chứng khoán Việt Nam Qua bảng 3- 35, thấy mơ hình Black có hiệu lực cho tồn 13 chứng khoán

Qua số liệu bảng, ta thấy hệ số Beta chứng khốn lớn nhỏ trừ hệ số beta chứng khoán LAF REE Như rủi ro hệ thống hai chứng khoán lớn rủi ro danh mục Beta zero, danh mục quan sát ñược sử dụng ñể thay

danh mục thị trường trongg mơ hình

Kết luận chương

hiệu lực mô hình cao Điều thể rõ nét qua xác suất sai lầm bác bỏ giả thiết mơ hình có hiệu lực

Thơng qua so sánh hệ số Beta chứng khoán hai phiên Black Sharpe - Lintner, thấy trung bình chênh lệch hệ số Beta ñược ước lượng phương pháp FIML 0,0018 Trong trung bình chênh lệch hệ số Beta ước lượng phương pháp GMM 0,0831 Nghĩa sai lệnh hệ số Beta ước lượng phương pháp GMM cao gấp 46,16 lần phương pháp FIML (Xem bảng A-6 A-7 phụ lục)

Việc tồn tượng đa cộng tuyến hồn hảo TSLT chứng khốn khiến cho q trình xác định mơ hình gặp nhiều khó khăn Trong đề tài, tác giả phải chia nhóm chứng khốn để thực việc

ước lượng

Mơ hình CAPM phiên Black ước lượng phương pháp GMM xác định cho 100% chứng khốn vốn khơng thểước lượng phương pháp khác OLS, hay chí FIML Điều cho thấy khả ứng dụng mơ hình thực tế cao

Kết luận

Sau trình ước lượng kiểm định mơ hình CAPM thị trường,

đề tài xác định mơ hình CAPM phiên Sharpe phiên Black cho chứng khốn Các mơ hình xác định đảm bảo tn thủ chặt chẽ giảđịnh mơ hình hồi quy tuyến tính lẫn giả định mơ hình CAPM

Tuy nhiên việc tồn tượng ña cộng tuyến gần hoàn hảo chuỗi tỷ suất lợi tức chứng khốn khiến cho q trình ước lượng hệ phương trình khơng thể thực ñược ma trận phương sai bị suy biến Chính mà đề tài phải chia nhóm chứng khốn để khắc phục tượng sử dụng giá giao dịch bình qn điều chỉnh ngày đểước lượng thay giá đóng cửa điều chỉnh

Một số chứng khốn có tỷ suất lợi tức không tuân thủ luật phân phối chuẩn Do khơng thể sử dụng phương pháp OLS hay FIML cho chứng khoán mà phải sử dụng phương pháp GMM

Hai chứng khốn khơng tn thủ giảđịnh sai số tn thủ

luật phân phối chuẩn, độc lập đồng mơ hình CAPM trong phiên Sharpe – Lintner phiên Black cần kết hợp phương pháp OLS FIML phương pháp ước lượng phương sai phần dư ARCH, GARCH …

Ba thời gian hoạt ñộng ngắn (hơn 10 năm) nên sử dụng

liệu tháng để xác định mơ hình CAPM khơng thể kiểm định tính

ổn định Beta qua thời gian Vì chia nhỏ mẫu ñể kiểm ñịnh, số

lượng quan sát q nhỏ (xấp xỉ 30 quan sát) khơng đảm bảo ñể tiêu chuẩn kiểm ñịnh Stusent hay Wald ñảm bảo hiệu lực

Hầu hết chứng khoán ñều có hệ số Beta <1 Điều ñồng nghĩa với việc rủi ro chứng khoán nhỏ rủi ro thị trường Tuy nhiên,

đây hệ việc sử dụng giá giao dịch bình qn ngày điều chỉnh hay 20 chứng khốn sử dụng 20 cơng ty niêm yết đầu tiên, khơng đại diện cho tất cơng ty có thị trường Nhược

điểm sẽđược khắc phục tương lai có nhiều cơng ty ñáp ứng

ñầy ñủñộ dài liệu

Bốn hai phiên mơ hình CAPM vận dụng cho TTCK Việt Nam Khi thực ước lượng, tùy thuộc vào việc chuỗi tỷ

suất lợi tức chứng khoán mà sử dụng phương pháp thích hợp cực đại hay phương pháp Mô-ment tổng quát cho phù hợp

Cuối cùng, tương lai đề tài phát triển theo hướng vận dụng mơ hình CAPM kết hợp với mơ hình dự báo phương sai sai số

hay sử dụng liệu chéo SGDCK TP.HCM Hà Nội để xác định mơ hình CAPM

Đà Nẵng, tháng 10 năm 2010 Tác giả