BO GIAO DUC VA DAO TAO 2
À TRƯỜNG ĐẠI HỌC MỞ THÀNH PHÓ HO CHi MINH
a
NGUYEN QUOC CHI
QUAN HE GIU'A RUI RO HIEP MOMENT BAC CAO VA LỢI NHUẬN CỎ PHIẾU - NGHIÊN CỨU THỰC NGHIỆM TRÊN THỊ
TRƯỜNG CHỨNG KHOÁN VIỆT NAM TRUONG Og HOC LỔ TP.I£ THU VIEN Chuyén nganh : Tai chinh— Ngan tang Mã số chuyên ngành : 60 34 02 01
LUẬN VĂN THẠC SĨ TÀI CHÍNH - NGÂN HÀNG
Trang 2TOM TAT LUAN VAN
Luận văn này “Quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận cổ phiếu — Nghiên cứu thực nghiệm trên thị trường chứng khoán Việt Nam” là một nghiên cứu về mối quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận kỳ vọng danh mục cổ phiếu, trường hợp danh mục tỷ trọng giá trị — value weighted va trường hợp danh mục tỷ trọng bằng nhau — equal weighted trong các giai đoạn thị trường khác nhau, sử dụng đữ liệu từ các công ty niêm yết trên Sở giao dịch chứng
khoán Thành phố Hồ Chí Minh trong giai đoạn từ 1/2006 đến 12/2013
Trong nghiên cứu này, các phần bù đại điện cho yếu tố rủi ro hiệp moment
bậc cao bao gồm covariance, coskewness và cokurtosis được ước lượng theo
phương pháp của Lambert & Hubner (2013), một phương pháp khá chặt chẽ giúp loại bỏ sự tương quan giữa chúng, đây là điểm mạnh của nghiên cứu Hơn nữa, sử dụng khung phân tích của Fama & MacBeth (1973) giúp tác giả đánh giá một cách
trực tiếp và hiệu quả ý nghĩa thống kê và kinh tế của các phần bù rủi ro kế trên Một
điểm quan trọng khi sử dụng phương pháp Fama & MacBeth (1973) mà tác giả muốn nhấn mạnh là sự cần thiết trong việc phân chia các giai đoạn thị trường khác nhau, giai đoạn thị trường đi lên (up market) và giai đoạn thị trường đi xuống (down
market), nhằm làm rõ mối quan hệ giữa các beta và lợi nhuận kỳ vọng danh mục cổ
phiếu, tránh sự thiên lệch trong các ước lượng hồi quy, đồng thời thể hiện rõ ràng sự khác biệt trong độ e ngại rủi ro của nhà đầu tư trong các giai đoạn thị trường khác nhau
Kết quả nghiên cứu cho thấy vai trò quan trọng và có ý nghĩa thống kê của yếu tố rủi ro covariance trong việc giải thích lợi nhuận kỳ vọng danh mục cổ phiếu, cụ thể, phần bù rủi ro covariance có tác động ngược chiều lên lợi nhuận kỳ vọng danh mục cổ phiếu trong giai đoạn thị trường đi xuống Ngoài ra, nghiên cứu tìm thấy sự tác động có ý nghĩa thống kê của yếu tố rủi ro coskewness, cụ thể, phần bù rủi ro coskewness có tác động ngược chiều lên lợi nhuận kỳ vọng danh mục cổ phiếu trong giai đoạn thị trường đi xuống Nghiên cứu không tìm thấy sự tác động có ý nghĩa thống kê của yếu tố rủi ro cokurtosis và các tác động phi tuyến của các
Trang 3
aa = ine = = == = = = =
higép moment bac cao covariance, coskewness va cokurtosis lên lợi nhuận kỳ vọng danh mục cổ phiếu
Kết quả nghiên cứu này có thể giúp nhà đầu tư hiểu rõ hơn về nguồn gốc hình thành rủi ro, tạo cở sở cho việc lựa chọn mô hình định giá phù hợp nhằm mang lại lợi nhuận kỳ vọng hợp lý Từ kết quả nghiên cứu trên cho phép tác giả khuyến nghị nên kết hợp thêm các yếu tố rủi ro hiệp moment bậc cao vào mô hình định giá cho các nghiên cứu tiếp theo trên thị trường chứng khoán Việt Nam, đồng thời gợi ý cho hướng nghiên cứu tiếp theo sâu hơn về mô hình định giá có liên quan đến yếu tố không chuẩn trong phân bố xác suất của lợi nhuận danh mục cổ phiếu
Ghi chú: Một phần trong nội dung của luận văn được tác giả viết thành bài báo và được đăng trên Tạp chí Phát triển Kinh tế, với trích dẫn: Võ Xuân Vinh & Nguyễn Quốc Chí (2014), "Quan hệ giữa rủi ro hiệp Moment bậc cao và lợi nhuận cỗ phiếu: Nghiên cứu thực nghiệm trên thị trường VN", Tạp chí Phát triển Kinh tế
(288), 38-54 Nội dung chỉ tiết của Bài báo được tác giả thể hiện ở phần phụ lục
Trang 4
Sa a aa =
MỤC LỤC
LỜI CAM ĐOAN
LỜI CẢM ƠN 0.20 22E125nnn
1.1 Lý do chọn đề tài
1⁄2 Vấn đề nghiên cứu
1.3 Mục tiêu nghiên cứu 1.4 Câu hỏi nghiên cứu
1.5 Đối tượng và phạm vi nghiên cứu 1.6 Ý nghĩa của nghiên cứu
1.7 Kết cấu đề tài
2.1.2.Lợi nhuận kỳ vọng cổ phiếu riêng lẽ trong mô hình CAPM 6 2.2 Mô hình Fama & French - ba yếu tố
2.3 Mô hình Carhart — bốn yếu tố
2.4 Các chỉ số đại diện cho yếu tố rủi ro hiệp moment bậc cao 11
2.5 Các nghiên cứu trước 14
CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU -.—- 22
3.1 Phương pháp nghiên cứu và mô hình nghiên cứu 22
3.1.1 Dữ liệu nghiên cứu sony 22
3.1.2 Thu thập và tính toán các biến 22
Trang 5
Fe aa ai aS —= =
CHƯƠNG 4: KÉT QUÁ VÀ THẢO LUẬN -2s22 222 zEzErzezee 32
4.1 Danh mục tỷ trọng giá trị ¿- + 65c Sex St SxEx xxx rkerrkrkerre 32 4.2 Danh mục tỷ trọng bằng nhau 22 ©cc2ccee+EEEEEEeerrrrrrrrrerre 39 CHƯƠNG 5:'KÉT LUẬN -2 s1 9 1 1112121221127 46 ca -Ÿ 46 sa ma 47 5.3 Đề xuất, 2222222222222 eo 47 5.4 Hạn chế đề tài 2222222222121 48
5.5 Hướng nghiên citu tiép theo cccccsssessssssssseeseccssssseescssssssessesensssserecsensnees 49
TAI LIEU THAM KHAO
Phụ lục 1: Chuỗi giá trị ước lượng phần bù rủi ro dai điện cho các yếu tố hiệp moment bậc cao
Phụ lục 2: Chuỗi giá trị các hệ số gamma Œr¡) - phương trình M.I Phụ lục 3: Chuỗi giá trị các hệ số gamma ¡) - phương trình M.2
Phụ lục 4a: Chuỗi giá trị các hệ số gamma (yj) — phương trình M.3 - danh mục tỷ trọng bằng nhau -. cccccvEEEErrrrrtrrrttrrrrrrrrrrirrrrrrrrree 73 Phụ lục 4b: Chuỗi giá trị hệ số gamma Œ¡) - phương trình M.3 — đanh mục Do 0u nh" + 78 Phụ lục 5: Kết quả trung bình các hệ số hồi quy phương trình M.1 83 Phụ lục 6a: Kết quả trung bình các hệ số hồi quy phương trình M.2 — danh mục fỶ trỌnE, B]á fF] ¿+ + 5s St 5s St tt cv nhưng ng se re 84 Phụ lục 6b: Kết quả trung bình các hệ số hồi quy phương trình M.2 — danh mục tỷ trọng bằng nhau - 2++ztS9222EE11112221211111222211212222155ecccE 85 Phụ lục 7a: Kết quả trung bình các hệ số hồi quy phương trình M.3 — danh mục tỷ trọng giá trị Phụ lục 7b: Kết quả trung bình các hệ số hồi quy phương trình M.3 — danh mục tỷ trọng bằng TÌâU St tk 111811111121111 2111 xe 87 Phu luc 8: So đồ thiết lập các danh mục mô phỏng trong ước lượng phần bù rủi ro cho các yếu tố hiệp moment bậc cao - 5+ 2 2 s+s+sscs+s+z 88
Trang 6
Phụ lục 9: Thiết lập 25 danh mục mô phỏng theo yếu tố Size va BM 92
Phụ lục 10a: Kiểm định nghiệm đơn vị (danh mục tỷ trọng.giá trị) 93
Trang 7DANH MUC BANG BIEU
Bảng 2.1: Bảng ma trận hiệp phương Sai - + «+ tt 7 Bảng 2.2: Tổng hợp một số kết quả nghiên cứu trước - sc++c+s+ 21 Bang 3.1: Số lượng mã cổ phiếu nghiên cứu cccccscccccvveerrrrrrrrrerree 22 Bang 4.1: Mô tả dữ liệu (danh mục tỷ trọng gia tri) oe eects eeeeseseseseeneneees 32 Bảng 4.2: Hệ số tương quan (danh mục tỷ trọng giá trị) . -++ 33 Bang 4.3: Kiểm định nghiệm đơn vị (danh mục tỷ trọng giá trị) 34 Bảng 4.4: Kết quả trung bình các hệ số hồi quy (danh mục tỷ trọng giá trị) 35 Bang 4.5: Mô tả đữ liệu (danh mục tỷ trọng bằng nhau) . -c-c - 39 Bảng 4.6: Hệ số tương quan (danh mục tỷ trọng bằng nhau) -+ 40 Bảng 4.7: Kiểm định nghiệm đơn vị (danh mục tỷ trọng bằng nhau) 40
DANH MỤC HÌNH VẼ
Hình 1: Sơ đồ danh mục ước lượng phần bù rủi cho yếu tố Cokurtosis (Kys) 89 Hình 2: Sơ đồ danh mục ước lượng phần bù rủi cho yếu té Covariance (Vs) 90 Hình 3: Sơ đồ danh mục ước lượng phần bù rủi cho yếu tố Coskewness (Sy) 91
Trang 8
AMEX, BM CAPM CKT Cov CRSP CSK CV EW FMB H HML HOSE JB KU Kurt L M M MC NASDAQ NYSE OLS RMF SK Skew SMB TTCK VW WML 4 - Moment CAPM HV: Nguyễn Quốc Chí
DANH MUC TU VIET TAT
American Stock Exchange Book to Market
Capital Asset Pricing Model Danh muc Cokurtosis
Phan bit rai ro Covariance
Center For Research In Security Prices Danh muc Coskewness
Hệ số Covariance
Equal Weighted Fama and Macbeth High
High Minus Low
Sở giao dịch chứng khoán Thành phồ Hồ Chí Minh Jarque - Bera Hệ số Cokurtosis Phần bù rủi ro Cokurtosis Low Medium Danh mục thị trường - Market Market Capitalization
Sở giao dịch chứng khoán NASDAQ tại Mỹ New York Stock Exchange
Ordinary Least Squares
Phần bù rủi ro danh mục thị trường Hệ số Coskewness Phần bù rủi ro Coskewness Small Minus Big Thị trường chứng khoán Value Weighted
Winner Minus Loser
Four - Moment Capital Asset Pricing Model
Trang 9SS Chuong 1: Gidi thiệu
as STREET TE
CHUONG 1: GIOI THIEU
Trong chương này tác giả trình bày khái quát lý đo lựa chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu Tiếp theo, tác giả - trình bày ý nghĩa và ứng dụng của nghiên cứu Cuối cùng là phần kết cấu của đề tài
nghiên cứu
1.1 Lý do chọn đề tài
Các mô hình định giá tài sản như CAPM (Capital Asset Pricing Model) của Sharpe (1964); Lintner (1965) và Mossin (1966); mô hình Fama & French (1993); mô hình Carhart (1997) đều thừa nhận mối quan hệ tuyến tính giữa phần bù rủi ro và phương sai của lợi nhuận Mô hình CAPM giả định rằng phân bố xác suất của lợi nhuận tuân theo quy luật phân phối chuẩn — phân phối theo hình quả chuông cân Điều này hàm ý nhà đầu tư chỉ cần quan tâm đến hai yếu tố là trung bình và phương sai của lợi nhuận Các nghiên cứu gần đây cho thấy phân bố xác suất của lợi nhuận không tuân theo quy luật phân phối chuẩn (non — normality) khiến giả định cơ bản trong mô hình CAPM bị thách thức nghiêm trọng Ngoài ra, độ e ngại rủi ro được cho là có liên quan đến sở thích đối với các moment bậc cao trong phân bố xác suất của lợi nhuận (Scott & Horvath 1980) Bên cạnh đó, kinh nghiệm, khả năng nhận thức, khả năng đa dang hoá được cho là có tác động đến quyết định của nhà đầu tư và lợi nhuận danh mục đầu tư (Korniotis & Kumar 201 1) Các nghiên cứu của Doan
& ctg (2010); Kostakis & ctg (2012) va Lambert & Hubner (2013) cho thấy yếu tố
ri ro covariacne, coskewness va cokurtosis thật sự có tác động đến lợi nhuận kỳ vọng danh mục cổ phiếu và ngay cả đối với các quỹ đầu tư và các quỹ tương hỗ như các nghiên cứu của Adesi & ctg (2004); Kat & Miffre (2006); Agarwal & ctg (2008); Moreno & Rodriguez (2009) Dac biệt, hệ số coskewness và cokurtosis có khả năng cung cấp thêm những thông tin và cách thức mà các quỹ đầu tư ứng xử trong giai đoạn thị trường gặp khó khăn Tuy nhiên, các nghiên cứu chỉ mới tập trung ở một số nước có thị trường chứng khoán phát triển như Anh, Mỹ và Úc
HV: Nguyễn Quốc Chí
Trang 10Chương l1: Giới thiệu
Tại thị trường chứng khoán Việt Nam, một thị trường mới nỗi và tìm ẩn
nhiều rủi ro, đã có nhiều đề tài nghiên cứu về TTCK Việt Nam, tuy nhiên, còn
nhiều hạn chế, nhất là các nghiên cứu thực nghiệm về mô hình định giá tài sản có
liên quan đến yếu tố rủi ro hiệp moment bậc cao Đây chính là lý do và động lực để tác giả lựa chọn đề tài: “Quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận cổ phiếu — Nghiên cứu thực nghiệm trên thị trường chứng khoán Việt Nam”
1.2 Vấn đề nghiên cứu
Nghiên cứu này nhằm xem xét yếu tố rủi ro hiệp moment bậc cao bao gồm covariance, coskewness va cokurtosis trong việc giải thích lợi nhuận kỳ vọng danh mục cổ phiếu, sử dụng dữ liệu được thu thập từ các công ty niêm yết trên Sở giao
dịch chứng khoán Thành phố Hồ Chí Minh trong giai đoạn từ 1/2006 đến 12/2013
1.3 Mục tiêu nghiên cứu
Hướng đề tài nghiên cứu nhằm mục tiêu:
+ So sánh khả năng giải thích của mô hình CAPM và 4 - Moment CAPM trong việc xác định lợi nhuận kỳ vọng danh mục cổ phiếu trên Sở giao dịch chứng
khoán Thành phé Hé Chi Minh — HOSE
+ Tập trung phân tích chiều hướng tác động của các yếu tố rủi ro covariance, coskewness va cokurtosis lên lợi nhuận kỳ vọng danh mục cổ phiếu
+ Dựa trên kết quả nghiên cứu đạt được tác giả đưa ra một số khuyến nghị cho nhà đầu tư và gợi ý cho hướng nghiên cứu tiếp theo
1.4 Câu hỏi nghiên cứu
Đề tài nghiên cứu trả lời câu hỏi:
+ Mô hình CAPM và mô hình 4 - Moment CAPM, mô hình nào giải thích lợi nhuận kỳ vọng danh mục cổ phiếu tốt hơn?
+ Phần bù rủi ro covariance, coskewness và cokurtosis có tác động cùng, chiều đến lợi nhuận kỳ vọng đanh mục của cổ phiếu hay không?
Trang 11Chương 1: Gidi thiéu
1.5 _ Đối tượng và phạm vi nghiên cứu
Dữ liệu giá cổ phiếu, các chỉ tiêu tài chính của các công ty niêm yết trên Sở
giao dịch chứng khoán Thành phố Hồ Chí Minh - HOSE và chỉ số VN — Index
được thu thập với tần suất tuần, vào ngày thứ tư hàng tuần, trong giai đoạn từ
1/2006 đến 12/2013 Dữ liệu không bao gồm những công ty tài chính, các quỹ đầu
tư, các công ty bị hủy niêm yết, các công ty có dữ liệu quá khứ không liên tục và không đủ độ dai di liệu yêu cầu Dữ liệu có cấu trúc dữ liệu chéo và đữ liệu chuỗi thời gian
1.6 Ý nghĩa của nghiên cứu
Nghiên cứu có ý nghĩa quan trọng về mặt lý luận và thực tiễn
Về mặt lý luận: nghiên cứu bổ sung thêm điểm sáng mới về mối quan hệ giữa các hiệp moment bậc cao và lợi nhuận kỳ vọng danh mục cổ phiếu Nghiên cứu là tài liệu tham khảo mang tính khoa học cho các nghiên cứu tiếp theo
Về mặt thực tiễn: kết quả nghiên cứu giúp nhà đầu tư hiểu rõ hơn về nguồn gốc hình thành rủi ro, tạo cở sở cho việc lựa chọn mô hình định giá phù hợp nhằm mang lại lợi nhuận kỳ vọng hợp lý
1.7 Kết cấu đề tài
Đề tài nghiên cứu được trình bày thành 5 chương:
+ Chương 1: Giới thiệu Trong chương này tác giả trình bày khái quát lý do lựa chọn để tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu Tiếp theo, tác giả trình bày ý nghĩa và ứng dụng của nghiên cứu Cuối cùng là phần kết cấu của đề tài nghiên cứu
+ Chương 2: Cơ sở lý thuyết Trong chương này tác giả trình bày cơ sở lý
thuyết nền tảng cho mô hình nghiên cứu Trước tiên, tác giả giới thiệu khái
quát các mô hình định giá tài sản truyền thống như CAPM, Fama & French (1993) và Carhart (1997) Phần tiếp theo, tác giả trình bày các chỉ số đại diện
Trang 12Chương 1: Gidi thiéu
quan đến mối quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận kỳ vọng danh mục cổ phiếu, quỹ đầu tư và quỹ tương hỗ
+ Chương 3: Dữ liệu và phương pháp nghiên cứu Trong chương này tác giả trình bày phương pháp nghiên cứu, mô hình nghiên cứu và dữ liệu nghiên cứu Trước tiên, tác giả trình bày phương thức thu thập các dữ liệu nghiên
cứu, phương thức ước lượng các biến và các phan bù rủi ro Tiếp theo, tác
giả trình bày phương pháp nghiên cứu và mô hình nghiên cứu Sau cùng, là các giả thuyết và phương pháp kiểm định các giả thuyết trong mô hình nghiên cứu
+ Chương 4: Kết quả nghiên cứu và thảo luận Trong chương này tác giả trình bày kết quả hồi quy lợi nhuận kỳ vọng các nhóm danh mục cổ phiếu được mô phỏng theo tiêu chí quy mô vốn hóa (Size) và BM, sử dụng mô hình hồi quy CAPM, 4 — Moment CAPM, ap dung khung phan tich cha Fama & MacBeth (1973) cho trường hợp danh mục tỷ trọng giá trị — value weighted
và trường hợp đanh mục tỷ trọng bằng nhau — equal weighted Tiép theo, tac
giả tiến hành phân tích các hệ số hồi quy, từ đó làm cơ sở đánh giá tác động của các yếu tố rủi ro hiệp moment bậc cao lên lợi nhuận kỳ vọng danh mục cổ phiếu, đồng thời kiểm định các giả thuyết nghiên cứu HI, H2, H3
+ Chương 5: Kết luận và khuyến nghị Trong chương này tác giả trình bày kết luận, hàm ý và một số hạn chế trong nghiên cứu Dựa trên kết quả nghiên cứu đạt được tác giả đưa ra một số khuyến nghị cho nhà đầu tư và sau cùng là phần gợi ý cho hướng nghiên cứu tiếp theo
Trang 13
Chương 2: Cơ sở lý thuyết
CHUONG 2: CO SO LY THUYET
Trong chương này tác giả trình bày cơ sở lý thuyết nền tảng cho mô hình nghiên cứu trong luận văn Trước tiên, tác giả giới thiệu khái quát các mô hình định
giá tài sản truyền thống như CAPM, Fama & French (1993) và Carhart (1997)
Phần tiếp theo, tác giả trình bày các chỉ số đại diện cho rủi ro hiệp moment bậc cao và cách thức ước lượng chúng Cuối cùng, tác giả tiến hành tổng hợp, đánh giá các nghiên cứu trước quan trọng có liên quan đến mối quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận kỳ vọng danh mục cỗ phiếu, quỹ đầu tư và quỹ tương hỗ 2.1 Mô hình định giá tai sin CAPM
Dựa trên các nghiên cứu của Markowitz (1952) về lý thuyết danh mục đầu tư hiện đại Sharpe (1964), Lintner (1965), Mossin (1966) đã nghiên cứu và phát triển mô hình định giá tài sản vốn CAPM (Capital Asset Pricing Model), mô hình cho - phép xác định lợi nhuận kỳ vọng cho tài sản rủi ro bat ky CAPM dua ra các giả định nhằm đơn giản hoá thực tế Theo CAPM, danh mục thị trường là nhân tố quan trọng và quyết định đến lợi nhuận của các tài sản rủi ro Khi đó, lợi nhuận tài sản rủi ro có thê viết như một hàm của lợi nhuận tài sản phi rủi ro (risk - free rate) và beta của tài sản rủi ro đó với danh mục thị trường Mô hình được viết như sau:
EQ) =", + BL ECw)-r | (a1
trong đó:
+ E() : lợi nhuận kỳ vọng tài sản ¡ + or : lợi nhuận tài sản phi rủi ro
+ E(,,) : lợi nhuận kỳ vọng danh mục thị trường M
+8 : hệ số ước lượng beta của tài sản ¡ với danh mục thị trường M
Trang 14Chuong 2: Co sé ly thuyét
SS — oer
Cac gia thiét cia mé hinh CAPM
Các giả thiết trong mé hinh CAPM (Bodie & ctg 2010):
Có nhiều nhà đầu tư, mỗi nhà đầu tư riêng lẽ có tài sản là rất nhỏ so với tổng tài sản của toàn bộ thị trường Nhà đầu tư là người nhận giá, các giao dịch của họ không tác động đến giá cổ phiếu
Chu kỳ đầu tư là như nhau
Việc đầu tư được giới hạn đối với một số tài sản tài chính được giao dịch công khai như trái phiếu hay cổ phiếu và có thể đi vay hoặc cho vay ở mức
lãi suất phi rủi ro Giả định này cho phép các nhà đầu tư có thể đi vay hoặc
cho vay với bắt kỳ số lượng nào ở mức lãi suất phi rủi ro cố định
+ Nhà đầu tư không phải trả thuế thu nhập hay chỉ phí khi thực hiện giao dịch
+_ Cá nhà đầu tư là những người có lý trí, lựa chọn danh mục đầu tư tối ưu theo
2.1.2
tiêu chí trung bình và phương sai, nghĩa là, các nhà đầu tư tối ưu hố danh mục theo mơ hình Markowitz Với ngụ ý rằng: phân phối của tỷ suất lợi nhuận tuân theo quy luật phân phối chuẩn và hàm hữu dụng của nhà đầu tư là hàm bậc hai
Tất cả các nhà đầu tư có cùng phương pháp phân tích cổ phiếu và cùng quan điểm về tình hình kinh tế Có cùng kết quả ước lượng phân phối xác suất của các dòng tiền trong tương lai thu được từ việc đầu tư vào cổ phiếu, nghĩa là,
đối với bất kỳ tổ hợp giá cổ phiếu nào, các nhà đầu tư đều tạo ra cùng một
danh sách đầu vào để ứng dụng vào mô hình Markowitz Với giá cổ phiếu và lợi nhuận phi rủi ro cho trước, tất cả nhà đầu tư đều sử dụng cùng một mức lợi nhuận kỳ vọng và ma trận hiệp phương sai của lợi nhuận cổ phiếu để tạo ra đường biên hiệu quả và danh mục đầu tư có rủi ro tối ưu duy nhất Giả
định này thường được gọi là kỳ vọng đồng nhất - homogeneous
expectations
Lợi nhuận kỳ vọng cỗ phiếu riêng lẽ trong mô hình CAPM
Theo Bodie & ctg (2010), mô hình CAPM được xây dựng dựa trên nhận
thức cho rằng phần bù rủi ro của mỗi tài sản được xác định dựa trên sự đóng góp
= es
Trang 15Chuong 2: Co sé ly thuyét
của tài sản đó vào rủi ro của danh mục tổng thể, danh mục thị trường M Rủi ro danh mục là vấn đề mà nhà đầu tư quan tâm và là yếu tố quyết định.đến phần bù rủi ro yêu cầu của nhà đầu tư, với giả định rằng, tắt cả các nhà đầu tư đều sử dụng cùng một danh sách đầu vào, tức là cùng ước lượng lợi nhuận kỳ vọng, phương sai và hiệp phương sai
Rủi ro của việc nắm giữ chứng khoá i, sẽ được ước lượng thông qua hiệp phương sai của cổ phiếu ¡ với danh mục thị trường M Trước tiên, cần tính toán phương sai của danh mục thị trường Phương sai của danh mục thị trường M, bao gồm n cổ phiếu, được xác định trong ma trận hiệp phương sai như sau:
Bảng 2.1: Bảng ma trận hiệp phương sai Tỷ trọng danh muc W, W; we Wi we Wa W, Covf(r,rị) | Cov(,rị) we Covf(r,ri) wee Cov(r,rn)
W¿ Covf(;,rị) | Cov(r2,r2) wee Covf(„r;) wee Covf(r;,rn) W; Cov(r,rị) | Cov(r;rạ) wee Cov(r,.r,) wee Cov(r,rn)
Wi, Cov(rn,ri) | Cov(rn,ra) " Cov(n,r;) we Cov(rn.rn)
Sự đóng góp của cổ phiếu ¡ đến phương sai của danh mục thị trường M được
thể hiện bằng các hiệp phương sai của cỗ phiếu ¡ với mỗi cổ phiếu có trong danh
mục thị trường M Nói cách khác, đóng góp của cổ phiếu ¡ vào phương sai (rủi ro) của danh mục thị trường M là: w¡xCovf(¡rw) Sự dóng góp của cổ phiếu ¡ vào phần bù rủi ro của danh mục thị trường M là: w;x[E(r;) - rr] Khi đó, tỷ lệ phần bù trên rủi
Trang 16Chương 2: Cơ sở lý thuyết
Với n: là số cổ phiếu có trong danh mục Khi đó hiệp phương sai của cổ phiếu ¡ với danh mục thị trường M là:
CovÉ,,n„)= Cov0;,3w,r+) = Siw, Covysry)
fal fal (2.4)
Danh mục thị trường là danh mục có phần bù rủi ro 1a: E(ry) - rr và phương sai la oy Khi đó, tỷ lệ phần bù trên rủi ro — (reward — to — risk) của danh mục thị trường được xác định như sau:
Eứw)—r;
oy (2.5)
Tỷ lệ phần bù trên rủi ro này được gọi là giá thị trường của rủi ro — market prise of risk, bởi vì nó xác định mức lợi nhuận tăng thêm mà nhà đầu tư yêu cầu trên mỗi đơn vị rủi ro của đanh mục
Một nguyên lý căn bản về trạng thái cân bằng của tất cả các khoản đầu tư là tỷ lệ phần bù trên rủi ro của chúng phải bằng nhau Nếu tỷ lệ phần bù trên rủï ro của danh mục này tốt hơn danh mục khác, các nhà đầu tư sẽ tái phân bổ lại danh mục, đều này sẽ gây áp lực đến giá của các cổ phiếu cho đến khi tỷ lệ phần bù trên rủi ro của chúng cân bằng Do đó, tỷ lệ phần bù trên rủi ro — (reward — to — risk) của cổ phiếu ¡ với đanh mục thị trường M sẽ bằng nhau: kự,)~r; _ Eứw)—r; Cov(r ry) 7 On 2.6) hay = Col 7w) E(r)- ————x[EŒ, Bề xIE0)=1] r, G2) Cov ty) trong đó, ———: đo lường tỷ lệ đóng góp của cổ phiếu ¡ vào phương sai o M
của danh mục thị trường M và được gọi là hệ số beta, ký hiệu là 8 Beta được dùng để đo lường mức độ nhạy cảm của cổ phiếu ¡ với sự thay đổi của danh mục thị
Trang 17
Chương 2: Cơ sở lý thuyết
trường, hay còn gọi là thước đo rủi ro của một cổ phiếu trong sự tương quan với danh mục thị trường M Khi đó phương trình (2.7) được viết lại như sau:
#Œi)~r =8, x[EŒy)~r;] hay EứŒ,) =rr+ 8.x[EữŒy) _r] (2.8)
Phương trình (2.8) chính là mô hình CAPM Là mô hình nổi tiếng và là nền
tảng phát triển cho hầu hết các mô hình định giá sau này Tuy nhiên, do đơn giản
hoá nhiều giả định phi thực tế nên mô hình CAPM bộc lộ nhiều thiếu sót, khiến mô
hình không thể giải thích được các hiện tượng bat thường trong thị trường, cũng như những hiệu ứng mang tính đặc trưng của doanh nghiệp Đây cũng là nguyên nhân dẫn đến sự ra đời của các mô hình đa tố sau này
2.2 Mô hình Fama & French - ba yếu tố
Tiếp tục, nhằm bổ sung những thiếu sót mà mô hình CAPM chưa làm được, thông qua các nghiên cứu thực nghiệm với dữ liệu nghiên cứu là các cổ phiếu được niêm yết trên thị trường chứng khoán NYSE, AMEX, NASDAQ trong giai đoạn
1962 — 1989, Fama & French (1992) chỉ ra rằng yếu tố quy mô công ty (Size), hệ số BM (chỉ số thư giá trên thị giá) là hai yếu tố làm gia tăng một cách đáng ké kha
năng giải thích lợi nhuận của cổ phiếu và sự thay đổi tỷ suất lợi nhuận trung bình trên TTCK Mỹ, trong giai đoạn nghiên cứu Theo đó, Fama & French (1993) đề xuất mô hình định giá tài sản vốn bao gồm ba yếu tố, cụ thể là biến quy mô (Size),
hệ số BM (chỉ số thư giá trên thị giá) và chỉ số thị trường Mô hình được viết như
Sau:
Kary, Sat Bu [ry - r„] + BisyeSMB + Bing ML (2.9)
trong đó:
+_z: lợi nhuận của cổ phiếu ¡
+ r„: lợi nhuận của danh mục thị trường + r„: lợi nhuận của tài sản phi rui ro
+ SMEB: là chênh lệch giữa lợi nhuận danh mục cổ phiếu của các công ty có quy mô nhỏ so với lợi nhuận danh mục cổ phiếu của các công ty có quy mô lớn
Trang 18Chương 2: Cơ sở lý thuyết
aa
+ HML: là chênh lệch giữa lợi nhuận danh mục cỗ phiếu của các công ty có BM cao so với lợi nhuận danh mục cổ phiếu của các công ty có BM thấp +: sp: là hệ số nhạy cảm, tương ứng với các yếu tố kể trên
+ ø: hệ số chặn Theo đó, nếu các yếu tố trên có thể giải thích toàn bộ lợi
nhuận của cổ phiếu thì hệ số chặn sẽ bằng không
Theo Fama & French (1993) mô hình ba yếu tố có tính ưu việc hơn mô hình
CAPM vì khả năng giải thích lợi nhuận của yếu tố quy mô (Size) và tỷ số BM mà
mô hình CAPM chưa làm được
2.3 Mô hình Carhart— bốn yếu tố
Yếu tế thứ tư được thêm vào nhằm kiểm soát hành vi lợi nhuận cổ phiếu, gọi là yếu tố momentum Dựa trên nghiên cứu của Jegadeesh & Titman (1993) về xu hướng của lợi nhuận cổ phiếu, nghiên cứu cho rằng xu hướng tăng giá hay giảm giá của cổ phiếu trong quá khứ có thể tiếp tục kéo dài trong vài tháng tiếp theo Từ nghiên cứu trên, Carhart (1997) kết hợp yếu tố momentum vào mô hình ba yếu tố nhằm đánh giá hiệu quả hoạt động của các quỹ tương hỗ Kết quả nghiên cứu cho thấy, phần lớn hiệu quả hoạt động thực tế của các quỹ đầu tư có thể được giải thích thông qua xu hướng của thị trường Qua đó Carhart (1997) đề xuất ba quy tắc quan trọng cho nhà đầu tư quỹ tương hỗ: một là - tránh tham gia vào các quỹ có hiệu quả hoạt động liên tục xấu; hai là - quỹ đầu tư có lợi nhuận cao năm vừa rồi sẽ có lợi nhuận kỳ vọng cao hơn vào năm tiếp theo, nhưng không phải là năm tiếp sau đó; ba là — chỉ phí giao địch, chỉ phí đầu tư, chỉ phí theo dõi có tác động ngược chiều làm giảm hiệu quả hoạt động các quỹ đầu tư
Việc kết hợp mô hình Fama & French (1993) ba yếu tố với yếu tố momentum trở thành mô hình bốn yếu tố, mô hình này được sử dụng phổ biến trong việc xác định hiệu quả hoạt động bất thường của các danh mục đầu tư cỗ phiếu Trong mô hình Carhart (1997) yếu tố momentum đươc đo lường bằng chênh lệch giữa lợi nhuận trung bình của danh mục cổ phiếu có lợi nhuận cao nhất so với lợi
nhuận trung bình của danh mục cỗ phiếu có lợi nhuận thấp nhất trong nam liền kề
Mô hình được viết như sau:
Trang 19Chương 2: Cơ sở lý thuyết
r
i —1, =a + By [ry — ry | + BisweSMB + Biyyg HML + Biyyg WML (2.10)
trong do:
+ WML: là chênh lệch giữa lợi nhuận trung bình của danh mục cỗ phiếu có lợi nhuận cao nhất so với lợi nhuận trung bình của danh mục cổ phiếu có lợi nhuận thấp nhất trong một năm liền kể
+ Biwni : hé số nhạy cảm của yêu tô momentum
2.4 Các chỉ số đại diện cho yếu tố rủi ro hiệp moment bậc cao
Các chỉ số đại diện cho rủi ro rủi ro hiệp moment bậc cao bao gồm
covariance, coskewness và cokurtosis của cổ phiếu ¡ với danh mục thị trường M
(Lambert & Hubner 2013)
Theo Lambert & Hubner (2013) khi lợi nhuận kỳ vọng danh mục cổ phiếu có phân bố xác suất tuân theo quy luật phân phối chuẩn thì trung bình (mean) và phương sai (variance) đủ để giải thích các đặc trưng trong phân phối này Tuy nhiên, khi phân bố xác suất không tuân theo quy luật phân phối chuẩn, các nhà đầu tư cần quan tâm thêm đến yếu tố rủi ro coskewness và cokurtosis Các yếu tố rủi ro
này có thể giúp nhà đầu tư đánh giá một cách chính xác và hiệu quả hơn lợi nhuận
kỳ vọng danh mục cổ phiếu Ngoài ra yếu tố rủi ro coskewness và cokurtosis có thể cung cấp thêm những thông tin cần thiết cho nhà quản lý, nhà điều hành, giúp việc quản lý, điều hành và phân bổ danh mục dau tu một cách hiệu quả hơn
Phương thức tính các chỉ số rủi ro hiệp moment bậc cao được trình bày như
sau:
Trang 20Chuong 2: Co sé ly thuyét
+ r,: loinhuan cia cổ phiếu ¡ ở tuần t
+ z„: lợi nhuận của danh mục thị trường M ở tuần t
+ rt lợi nhuận trung bình của cổ phiếu i trong kỳ quan sát
+ ry! lợi nhuận trung bình của danh mục thị trường M trong kỳ quan sát
Coskewness là một phương pháp đo lường thống kê dùng để đo lường tính đối xứng trong phân phối xác suất của biến này so với biến khác Trong tài chính, coskewness có thể sử dụng để bổ sung cho hiệp phương sai khi ước lượng rủi ro Thông thường, coskewness được tính toán dựa vào dữ liệu lịch sử của giá cổ phiếu (xem như biến thứ nhất) và giá lịch sử của danh mục thị trường M (xem như biến thứ hai) Harvey & Siddique (2000) cho rằng, trong điều kiện các yếu tố khác không đổi, nhà đầu tư e ngại rủi ro mong muốn một hệ số coskewness duong (positive coskewness - lệch phải) Điều này hàm ý xác suất lợi nhuận của cỗ phiếu này cao hơn xác suất lợi nhuận của danh mục thị trường M Do đó, một danh mục cổ phiếu có hệ số eoskewness âm sẽ có mức lợi nhuận kỳ vọng cao hơn do phải chịu nhiều rủi ro hon va ngugc lai Theo Harvey & Siddique (2000) va Kostakis & ctg (2012) hệ số coskewness (systematic kewness) của cổ phiếu ¡ với danh mục thị trường M được tính theo công thức sau:
SK, [ s, TH
"ele 2.12)
trong đó:
+ Sit = Tie — 0; — BiŒM,¿): được xem là phần dư (residual) của phương trình hồi quy giữa lợi nhuận vượt mức của cỗ phiếu ¡ so với lợi nhuận vượt mức của danh mục thị trường M trong kỳ quan sát
+ eu„: được tính bằng lợi nhuận của danh mục thị trường M ở tuần t trừ đi lợi nhuận trung bình của danh mục thị M trường trong kỳ quan sát
+ r¡: là lợi nhuận vượt mức của cổ phiếu ¡ ở tuần t
+ rụ„: là lợi nhuận vượt mức của danh mục thị trường M ở tuần t + -ơ, Bị: là hệ số hồi quy của Ti, Vi rs trong ky quan sat
Trang 21Chuong 2: Co sé ly thuyét
Cokurtosis là một phương pháp đo lường thống kê dùng để đo lường độ nhọn trong phân phối xác suất của biến này so với biến khác Trong điều kiện các yếu tố khác không đổi, hệ số cokurtosis cao (high cokurtosis) có nghĩa là biến thứ nhất có phân phối xác suất phẳng hơn so với biến thứ hai, xét về độ đốc Trong tài
chính, cokurtosis có thể sử dụng để bổ sung cho hiệp phương sai khi ước lượng rủi
ro Cokurtosis tính toán dựa trên giá lịch sử của cô phiếu (xem như biến thứ nhất)
và giá lịch sử của danh mục thị trường M (xem như biến thứ hai) Đối với nhà đầu
tư e ngại rủi ro, một hệ số cokurtosis thấp (low cokurtosis) 1a tốt hơn với hàm ý lợi
nhuận của cổ phiếu không khác biệt nhiều so với lợi nhuận của danh mục thị trường M Theo Harvey & Siddique (2000), va Kostakis & ctg (2012) hệ s6 cokurtosis (systematic kurtosis) cia cổ phiếu ¡ với danh mục thị trường M được tính theo công thức sau: eu, rn EAs] VELz¿ |E[=: ] 8) trong đó: + it — 01 — BiŒM,): được xem là phần dư (residual) của phương trình hồi
quy giữa lợi nhuận vượt mức của cỗ phiếu ¡ so với lợi nhuận vượt mức của danh mục thị trường M trong kỳ quan sát
+ yy: duge tinh bằng lợi nhuận của danh mục thị trường M ở tuần t trừ đi lợi nhuận trung bình của danh mục thị M trường trong kỳ quan sát
+ rị;: là lợi nhuận vượt mức của cổ phiếu ¡ ở tuần t
+ rụ„: là lợi nhuận vượt mức của danh mục thị trường M ở tuần t + aj, Bj: là hệ số hồi quy của Tit VO ty trong ky quan sat
Trang 22Chuong 2: Co sé ly thuyét
2.5 Các nghiên cứu trước
Nghiên cứu này dựa trên nền tảng lý thuyết mô hình định giá tài sản CAPM (Capital Asset Pricing Model) của Sharpe (1964); Lintner (1965) và Mossin (1966) Các mô hình định giá tài sản như CAPM, mô hình Fama & French (1993); mô hình Carhart (1997) đều thừa nhận mối quan hệ tuyến tính giữa phương sai của lợi nhuận và phần bù rủi ro Mô hình CAPM giả định rằng phân bố xác suất của lợi nhuận tuân theo quy luật phân phối chuẩn — phân phối có hình quả chuông cân Điều này hàm ý nhà đầu tư chỉ cần quan tâm đến hai yếu tố là trung bình và phương sai của lợi nhuận Tuy nhiên, nhiều nghiên cứu gần đây cho thấy phân bố xác suất của lợi nhuận không tuân theo quy luật phân phối chuẩn (non — normality), khiến giả định cơ bản trong mô hình CAPM bị thách thức nghiêm trọng
Một trong những nghiên cứu đầu tiên về rủi ro hiệp moment bậc cao và lợi nhuận kỳ vọng danh mục cổ phiếu được thực hiện bởi Harvey & Siddique (2000),
bằng cách kết hợp mô hình CAPM, Fama & French (1993) với phần bù rủi ro đại
diện cho yếu tố coskewness Phần bù rủi ro coskewness được xác định từ sự chênh
lệch giữa lợi nhuận vượt mức của danh mục có hệ số coskewness thấp (`) so với danh mục có hệ số coskewness cao (S”), (S-S”), với dữ liệu cổ phiếu được thu thập
trên sàn NYSE, AMEX và NASDAQ trong giai đoạn từ 7/1963 đến 12/1993 Kết
quả nghiên cứu cho thấy phần bù rủi ro coskewness có ý nghĩa thống kê và khả năng giải thích một phần sự biến động của lợi nhuận kỳ vọng của danh mục cổ
phiếu, ngay cả khi yếu tố SMB (Small Minus Big) và HML (High Minus Low)
được thêm vào mô hình Harvey & Siddique (2000) đưa ra giả thuyết cho rằng phần bù rủi ro coskewness có tác động cùng chiều lên lợi nhuận kỳ vọng danh mục cổ phiếu, theo đó, một cổ phiếu có hệ số coskewness âm sẽ được nhà đầu từ kỳ vọng mức lợi nhuận cao hơn nhằm bù đắp cho phần rủi ro gia tăng mà họ phải gánh chịu Tuy nhiên, kết quả nghiên cứu chưa tìm thấy chiều hướng tác động rõ ràng và nhất quán đồng thời kết quả nghiên cứu chỉ ra rằng yếu tố rủi ro coskewness không thể giải thích được những biến động bất thường trong lợi nhuận danh mục cổ phiếu Hơn nữa, kết quả nghiên cứu cho thấy yếu tố rủi ro coskewness có liên quan đến yếu tố momentum, cụ thể, danh mục có hệ số momentum thấp thường có hệ số
Trang 23Chuong 2: Co sé ly thuyét coskewness cao hơn so với các danh mục có hệ số momentum cao Nghiên cứu của Satchell & ctg (2000) cho rằng khi kết hợp thêm yếu tố rủi ro cokurtosis vào mô
hình định giá, mô hình định giá mới sẽ có ý nghĩa thống kê tốt hơn so với mô hình
định giá chỉ bao gồm hai yếu tố rủi ro covariance và coskewness Nghiên cứu tiếp theo của Adesi & ctg (2004), bằng cách xây dựng 10 danh mục cổ phiếu theo tiêu chí quy mô (Size), sử dụng tất cả các cổ phiếu được niêm yết trên sàn NYSE,
NASDAQ va AMEX trong giai đoạn từ 7/1963 đến 12/2000, đồng thời tiến hành
thiết lập mô hình định giá bao gồm hai yếu tố rủi ro covariance và coskewness (mô hình thị trường bậc hai - The quadratic market model), sử dụng phương pháp hồi quy OLS kết quả nghiên cứu cho thấy hệ số coskewness trong mô hình đều có ý
nghĩa thống kê mạnh mẽ ở tất cả các danh mục và có xu hướng tương quan với yếu
tố quy mô Cụ thể, danh mục có quy mô nhỏ thường có hệ số coskewness âm và ngược lại Nghiên cứu chứng mỉnh rằng sẽ là thiếu sót khi bỏ qua sự tác động của yếu tố rủi ro coskewness trong mô hình định giá Ngoài ra, yếu tố quy mô được cho là có tác động đến yếu tố beta của danh mục thị trường, các danh mục có quy mô nhỏ thường có hệ số beta danh mục thị trường cao hơn, với hàm ý danh mục có quy mô nhỏ thường nhạy cảm đối với sự biến động của danh mục thị trường hơn là các danh mục có quy mô lớn
Kat & Miffre (2006) nghiên cứu tầm quan trọng của lợi nhuận bat thường và chiến lược phan bé tài sản lên hiệu quả hoạt động các quỹ đầu tư Nghiên cứu tiến hành xây dựng danh mục hai chiều cho yếu tố rủi ro coskewness và cokurtosis theo phương pháp tương tự như của Fama & French (1993) Phần bù đại diện cho yếu tố rủi ro coskewness (cokurtosis) được xác định bằng chênh lệch giữa lợi nhuận vượt mức danh mục có hệ số coskewness (cokurtosis) thấp (cao) so với danh mục có hệ số eoskewness (cokurtosis) cao (thấp) Hệ số rủi ro coskewness và cokurtosis được thiết lập dựa trên lợi nhuận của tất cả các cỗ phiếu được niêm yết trên sàn AMEX, NYSE và NASDAQ trong giai đoạn từ 1980 đến 2004 Kết quả nghiên cứu cho
thấy phần bù rủi ro coskewness và cokurtosis có ý nghĩa thống kê và giải thích được
một phần quan trọng sự biến động của lợi nhuận kỳ vọng quỹ đầu tư Nghiên cứu nhắn mạnh sẽ là thiếu chính xác trong việc đánh giá hiệu quả hoạt động các quỹ đầu
Trang 24Chương 2: Cơ sở lý thuyết
tư khi bỏ qua các yếu tố rủi ro hiệp moment bậc cao Tuy nhiên, do sự tương quan giữa các phần bù rủi ro và việc sắp xếp các yếu tố rủi ro một cách độc lập có thể dẫn đến việc mất cân bằng trong danh mục mô phỏng và tạo ra các lỗ hỏng trong mơ hình nghiên cứu tđeo nhận xét của Lambert & Hubner (2013) Một nghiên cứu khác của Agarwal & ctg (2008), nghiên cứu tác động của các yếu tố rủi ro hiệp moment bậc cao lên hiệu quả hoạt động các quỹ đầu tư Nghiên cứu tiến hành ước lượng phần bù rủi ro cho yếu tố biến động, coskewness và cokurtosis đồng thời xác định tầm quan trọng của các yếu tố rủi ro nêu trên sau khi đã kiểm soát sự tương quan giữa chúng Cụ thể, 27 danh mục cổ phiếu mô phỏng được tạo ra lần lượt dựa trên
các cấp độ rủi ro về biến động, coskewness và cokutosis, từ đó làm cơ sở cho việc
ước lượng phần bù rủi ro đại điện cho các yếu tố kể trên Sử dụng dữ liệu chéo và dữ liệu chuỗi thời gian lợi nhuận của 5336 quỹ đầu tư được thu thập từ Center for Research in Security Prices Mutual Fund Survivorship — Bias — Free Databas trong
giai đoạn từ 1994 đến 2004, kết quả nghiên cứu cho thấy mức độ biến động,
coskewness và cokurtosis là những yếu tố có ý nghĩa kinh tế và thống kê mạnh mẽ trong việc giải thích lợi nhuận kỳ vọng các quỹ dau tu, cu thé, phan bù rủi ro biến động và cokurtosis có tác động ngược chiều, trong khi phần bù rủi ro coskewness có tác động cùng chiều lên lợi nhuận kỳ vọng các quỹ đầu tư Hơn nữa, chúng còn thể hiện vai trò quan trọng trong việc đánh giá hiệu quả hoạt động và phản ánh những đặc điểm rủi ro của các quỹ đầu tư Nghiên cứu cho thấy lợi nhuận kỳ vọng các quỹ đầu tư sẽ được giải thích tốt hơn khi kết hợp thêm các yếu tố rủi ro hiệp moment
bậc cao vào các mô hình định giá truyền théng Moreno & Rodriguez (2009) nghiên
cứu vai trò của yếu tố rủi ro coskewness trong việc phân tích, đánh giá hiệu quả hoạt động 6819 quỹ tương hỗ, với dữ liệu được thu thập từ trung tâm nghiên cứu giá chứng khoán - Center for Research in Security Prices (CRSP) trên thị trường Mỹ
trong giai đoạn từ 1/1962 đến 12/2006 Bằng cách kết hợp phần bù rủi ro yếu tố
coskewness vào mô hình CAPM và Carhart (1997), sử dụng phương pháp hồi quy OLS, kết quả nghiên cứu cho thấy phần bù rủi ro coskewness có vai trò quan trọng, tác động có ý nghĩa thống kê lên lợi nhuận kỳ vọng các quỹ tương hỗ Ngoài ra, phù bù rủi ro coskewness còn giúp gia tăng đáng kể khả năng giải thích cho các mô hình
Trang 25Chương 2: Cơ sở lý thuyết
định giá cơ bản nêu trên về ý nghĩa kinh tế và thống kê, ngay cả khi các yếu tố Size, BM và Momentum được kết hợp vào mô hình Bênh cạnh đó, nghiên cứu nhấn mạnh, nếu bỏ qua yếu tố rủi ro coskewness trong mô hình định giá có thể dẫn đến việc đánh giá không chính xác hiệu quả hoạt động các quỹ tương hỗ trong quá khứ Ngoài ra, sẽ là một thiếu sót nghiêm trọng khi sếp hạng các quỹ tương hỗ theo đặc điểm rủi ro mà không kể đến yếu tố coskewness
Nghiên cứu của Doan & ctg (2010) về mối quan hệ giữa rủi ro hiệp moment
bậc cao và lợi nhuận trung bình các cổ phiếu niêm yết trên thị trường chứng khoán
Mỹ và Úc Nghiên cứu kết hợp yếu tố rủi ro coskewness và cokurtosis vào mô hình định giá CAPM và Carhart (1997) Phần bù rủi ro coskewness (cokurtosis) được xác định bằng mức chênh lệch giữa lợi nhuận của danh mục có hệ số coskewness
(cokurtosis) cao nhất so với lợi nhuận của danh mục có hệ số coskewness
(cokurtosis) thấp nhất Nghiên cứu sử dụng dữ liệu cổ phiếu được thu thập trên thị
trường chứng khoán Úc trong giai đoạn 1/2001 đến 7/2007 với hơn 510,000 quan sát và hơn 2,03 triệu quan sát trên thị trường chứng khoán Mỹ trong giai đoạn
1/1992 đến 7/2007, để so sánh hai thị trường, nghiên cứu tiến hành phân tích cùng
một giai đoạn từ tháng 1/2001 đến tháng 7/2007 cho tất cả các quan sát Áp dụng
khung phân tích của Fama & MacBeth (1973) kết quả nghiên cứu cho thấy phần bù
rủi ro coskewness có vai trò quan trọng, có ý nghĩa thống kê và tác động ngược chiều lên lợi nhuận trung bình cổ phiếu trên thị trường chứng khoán Úc, trong khi đó phần rủi ro cokurtosis có vai trò quan trọng, có ý nghĩa thống kê và tác động cùng chiều lên lợi nhuận trung bình cổ phiếu trên thị trường chứng khốn Mỹ Ngồi ra, coskewness và cokurtosis còn giúp gia tăng đáng kể khả năng giải thích cho các mô hình định giá, ngay cả khi các yếu tố quy mô (Size), BM và Momentum được thêm vào mô hình
Một nghiên cứu khác của Kostakis & ctg (2012) nhằm xem xét tác động của
yếu tố rủi ro hiệp moment bậc cao trong các mô hình định giá, sử dụng dữ liệu cỗ
phiếu được thu thập trên sàn chứng khoán London trong giai đoạn từ 1986 đến 2008, nghiên cứu tiến hành xây dựng 10 danh mục cổ phiếu theo tiêu chí rủi ro coskewness (cokurtosis) theo thứ tự từ thấp đến cao Sử dụng ba mô hình định giá
HV: Nguyễn Quốc Chí TRƯỜNG ĐỊ HỌC HỒ TP.HC1 Trang 17
THU VIEN
Trang 26
— Chương 2: Cơ sở lý thuyết cơ bản là CAPM, Fama & French (1993) và Carhart (1997) để ước lượng lợi nhuận danh mục bất thường Sử dụng kiểm định Wald và t - test, kết quả nghiên cứu cho thấy lợi nhuận bất thường của các danh mục coskewness (CSK) và cokurtosis (CKT) không được giải thích một cách hoàn toàn bởi các mô hình định giá cơ bản nêu trên Phát hiện này hỗ trợ mạnh mẽ lập luận cho rằng yếu tố rủi ro coskewness và cokurtosis thật sự là nguồn bổ sung quan trọng cho các mô hình định giá trên thị trường chứng khoán London Tiếp theo, nghiên cứu tiến hành xây dựng phần bù rủi ro cho yếu tố coskewness và cokurtosis theo phương pháp của Harvey & Siddique (2000) va Moreno & Rodriguez (2009) Sau đó, tiến hành kiểm định mức độ phù hợp của mô hình CAPM khi được kết hợp thêm hai yếu tố rủi ro coskewness va cokurtosis thông qua phương pháp của Fama & MacBeth (1973) Kết quả nghiên cứu cho thấy phan bù rủi ro coskewness và cokurtosis có ý nghĩa thống kê và kha năng giải thích mạnh mẽ lợi nhuận kỳ vọng danh mục CSK và CKT, điều mà mô hình CAPM, Fama & French (1993) và Carhart (1997) chưa làm được Kết quả
nghiên cứu cho thấy một cổ phiếu có hệ số coskewness âm (-) và cokurtosis dương
(+) thường có lợi nhuận kỳ vọng cao hơn so với cổ phiếu có hệ số coskewness đương (+) và cokurtosis âm (-), tương ứng
Nhằm bổ sung điểm sáng mới về mối quan hệ giữa các rủi ro hiệp moment bậc cao và lợi nhuận kỳ vọng danh mục cổ phiếu, Lambert & Hubner (2013) tiếp tục xem xét những phương pháp ước lượng phù hợp cho các phần bù rủi ro covariance, coskewness và cokurtosis Sử dụng dữ liệu cổ phiếu được thu thập từ trung tâm nghiên cứu CRSP trên sàn giao dịch NYSE, AMEX, NASDAQ bao gồm
26,339 cổ phiếu trong giai đoạn từ tháng 12/1955 đến 12/2011 Sử dụng khung
phân tích của Fama & MacBeth (1973), kết quả nghiên cứu cho thấy có sự tác động của thị trường thông qua các yếu tố rủi ro hiệp moment bậc cao lên quá trình hình thành lợi nhuận, do đó, lợi nhuận kỳ vọng của danh mục cỗ phiếu sẽ được giải thích tốt hơn nhờ tích hợp thêm các phần bù rủi ro liên quan đến yếu tố hiệp moment bậc cao vào mô hình định giá Các phần bù rủi ro được xác định thông qua các danh mục cổ phiếu mô phỏng tương tự như khung phân tích của Fama & French (1993) với giả định các nhà đầu tư đều được đa dạng hóa một cách đầy đủ Kết quả nghiên
Trang 27Chuong 2: Co sé ly thuyét
cứu cho thấy các phan bù ri ro covariance, coskewness va cokurtosis có tác động mang ý nghĩa thống kê lên lợi nhuận kỳ vọng danh mục cô phiếu Bên cạnh đó, khi kết hợp thêm các yếu tố rủi ro hiệp moment bậc cao với các yếu tố rủi ro truyền thống như quy mô (Size), giá trị số sách trên giá trị thị trường (BM), xu hướng (Momentum) nghiên cứu cho thấy các yếu tố rủi ro nêu trên có thể trên bổ sung cho nhau Hơn nữa, kết quả nghiên cứu của Lambert & Hubner (2013) còn phát hiện trên TTCK Mỹ ngoài tác động tuyến tính còn tồn tại các tác động phi tuyến có ý nghĩa thống kê của các yếu tố rủi ro hiệp moment bậc cao lên lợi nhuận kỳ vọng danh mục cổ phiếu, do đó, Lambert & Hubner (2013) gợi mở cho việc kết hợp thêm các yếu tố rủi ro phi tuyến của các hiệp moment bậc cao vào mô hình định giá cho các hướng nghiên cứu tiếp theo
Để các ước lượng trong quá trình hồi quy trong phương pháp Fama & MacBeth (1973) không bị thiên lệch (bias), Lambert & Hubner (2013) tiến hành phân chia các giai đoạn quan sát theo điều kiện thị trường khác nhau Kết quả nghiên cứu cho thấy, trong giai đoạn thị trường di 1én (up market), cdc nha đầu tư mang nhiều rủi ro có thể đạt được mức lợi nhuận cao, tuy nhiên, trong giai đoạn thị trường đi xuống (down market), mang nhiều rủi ro không những không làm gia tăng
lợi nhuận mà thậm chí có thể dẫn đến thua lỗ Nhận định này được làm sáng tỏ hơn
trong cuộc khủng hoảng tài chính toàn cầu bắt đầu vào năm 2008 Ngoài ra, kết quả nghiên cứu cho thấy hành vi lợi nhuận cổ phiếu là khác biệt trong các giai đoạn thị trường khác nhau, đặc biệt trong giai đoạn thị trường có sự biến động mạnh và điều này có thể làm cho các hệ số beta của các hiệp moment bậc cao trong mô hình thay đổi, đo đó có thể sử dụng các hệ số beta của các hiệp moment bậc cao này để phòng ngừa rủi ro cho một số cổ phiếu trong giai đoạn thị trường khủng hoảng, đây cũng
là hướng nghiên cứu tiếp theo được Lambert & Hubner (2013) đề xuất
Tóm lại, dựa trên cơ sở lý thuyết và kết quả thực nghiệm các nghiên cứu trước cho thấy yếu tố rủi ro coskewness và cokurtosis thật sự có tác động đến lợi
nhuận kỳ vọng danh mục cổ phiếu như các nghiên cứu của Harvey & Siddique (2000), Doan & ctg (2010); Kostakis & ctg (2012) và Lambert & Hubner (2013) và ngay cả đối với quỹ đầu tư và quỹ tương hỗ như các nghiên cứu của Adesi & ctg
Trang 28
Chuong 2: Co sé ly thuyét
(2004); Kat & Miffre (2006); Agarwal & ctg (2008); Moreno & Rodriguez (2009) Ngoài ra, theo nghiên cứu của Lambert & Hubner (2013), phan bi rai ro covariance có vai trò quan trọng và có ý nghĩa thống kê trong việc giải thích lợi nhuận kỳ vọng danh mục cổ phiếu thông qua việc điều chỉnh phần bù rủi ro danh mục thị trường, đồng thời kết quả nghiên cứu ghi nhận tác động phi tuyến của các yếu tố rủi ro hiệp moment bậc cao lên lợi nhuận kỳ vọng danh mục cổ phiếu trên TTCK Mỹ
Các nghiên cứu trên đều dựa trên giả thuyết cho rằng lợi nhuận kỳ vọng là một hàm có biến động cùng chiều với yếu tố beta danh mục thị trường, beta coskewness va beta cokurtosis Tuy nhiên, các kết quả nghiên cứu trước chưa cho thấy tính đồng nhất và rõ ràng về chiều hướng tác động Ngoài ra, phần bù rủi ro covariance, coskewness và cokurtosis lại phụ thuộc khá nhiều vào kỹ thuật sắp xếp danh mục mà nó đại diện và cuối cùng là vấn đề tương quan giữa chúng Dựa trên các nghiên cứu trước, tác giả nhận thấy phương pháp ước lượng các phần bù rủi ro hiệp moment bậc cao của Lambert & Hubner (2013) là một phương pháp khá chặt chẽ, giúp loại bỏ sự tương quan giữa các phần bù rủi ro đồng thời có thể kết hợp thêm nhiều yếu tố trong cùng một mô hình Đây là một điểm mạnh trong nghiên cứu của Lambert & Hubner (2013) so với nhiều nghiên cứu trước Phần này sẽ được tác giả làm rõ hơn ở chương 3
Kết quả một số nghiên cứu trước về mối quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận kỳ vọng được tóm tắt ở bảng 2.2
Trang 29
Chương 2: Cơ sở lý thuyết Bảng 2.2: Tổng hợp một số kết quả nghiên cứu trước $ x :A a Biến số nghiên cứu sa giả Thị ae os Tac gia ; trường Thời gian Cov Skew Kurt NYSE, Harvey & Siddique (2000) AMEX, | 1963 - 1993 N/A Tác động NA NASDAQ AMEX, Kat & Miffre (2006) NYSE, | 1980 - 2004 N/A Tác động | Tác động NASDAQ 5336 quy Agarwal & ctg (2008) đầutư | 1994-2004} N/A đ) â (M) 6819 quỹ Moreno & Rodriguez (2009) | tuong hd | 1962 - 2006 N/A Tac dong N/A (My) TTCK Uc | 2001-2007] MA © tie done Doan & ctg (2010) Khon - TTCK Mỹ | 1992-2007) N/A tác động, ares “4 : TTCK Kostakis & ctg (2012) London 1986 - 2008 N/A Œ®) @®) NYSE, Lambert & Hubner (2013) AMEX, | 1955-2011 | Tác động | Tác động | Tác động NASDAQ
Nguon: Tong hgp của tác gid; N/A: Not Available
Trang 30Chương 3: Dữ liệu và phương pháp nghiên cứu
CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Trong chương này tác giả trình bày phương pháp nghiên cứu, mô hình nghiên cứu và dữ liệu nghiên cứu Trước tiên, tác giả trình bày phương thức thu thập đữ liệu nghiên cứu, phương thức ước lượng các biến và các phần bù rủi ro Tiếp theo, tác giả trình bày phương pháp nghiên cứu và mô hình nghiên cứu Sau cùng, là phần các giả thuyết và phương pháp kiểm định các giả thuyết trong mô hình nghiên cứu
3.1 Phương pháp nghiên cứu và mô hình nghiên cứu 3.1.1 Dữ liệu nghiên cứu
Dữ liệu giá cỗ phiếu và các chỉ tiêu tài chính của các công ty niêm yết trên
Sở giao dịch chứng khoán Thành phố Hồ Chí Minh - HOSE và chỉ số VN-Index
được thu thập với tần suất tuần, vào ngày thứ tư hàng tuần, trong giai đoạn từ 1/2006 đến 12/2013 Dữ liệu không bao gồm các công ty tài chính, các quỹ đầu tư, các công ty bị hủy niêm yết, các công ty có đữ liệu quá khứ không liên tục và không đủ độ dài dữ liệu yêu cầu Dữ liệu có cấu trúc dữ liệu chéo và dữ liệu chuỗi thời gian Phân tích và sử lý dữ liệu được thực hiện trên phần mền kinh tế lượng Eviews 8.0 Bảng 3.1: Số lượng mã cỗ phiếu nghiên cứu Năm 2006 | 2007 | 2008 2009 2010 2011 |2012 |2013 Số lượng mã | 4s | lọi | 130 cô phiêu 166 239 268 | 268 | 268
Nguôn: Tính toán của tác giả
3.1.2 Thu thập và tính toán các biến
+ Lợi nhuận cỗ phiếu riêng lẽ (Stoek return)
Nghiên cứu sử dụng lợi nhuận cổ phiếu tính theo tần suất tuần Lợi nhuận của cổ phiếu ¡ tại thời điểm t được tính theo công thức sau:
Trang 31
Chương 3: Dữ liệu và phương pháp nghiên cứu
1 , GB.)
trong do:
+ Pi, : giá cổ phiếu ¡ ở thời điểm t
+ Pi : giá cỗ phiếu ¡ ở thời điểm t -1
Sử dụng chỉ số giá cổ phiếu vào ngày giao dịch giữa tuần (thứ tư hàng tuần)
nhằm làm giảm hiệu ứng ngày đầu tuần và ngày cuối tuần của thị trường Trong nghiên cứu này, tác giả sử dụng chỉ số giá cổ phiếu hiệu chỉnh được công bố trên website: cophieu68.com đã được điều chỉnh theo lịch sử sự kiện như chia cổ tức bằng tiền mặt, chia cổ tức bằng cổ phiếu, phát hành thêm cổ phiếu
Lợi nhuận danh mục thị trường (Market return)
Lợi nhuận danh mục thị trường được lấy theo chỉ số VN-Index của Sở giao
dịch chứng khoán Thành phố Hồ Chí Minh Lợi nhuận của danh mục thị trường tại
thời điểm t được tính như sau:
el (3.2)
trong đó:
+ VNI, : chỉ số VN Index tại thời điểm t
+ VNI,¡ : chỉ số VN _Index tại thời diém t -1
Y Lai suat phi rai ro - ry (risk - fee rate)
Lãi suất phi rủi ro được lấy theo lãi suất trái phiếu chính phủ kỳ hạn 5 năm, sau đó được quy đỗi về cách tính lãi suất theo tuần Lãi suất trái phiếu chính phủ được thu thập trên Sở giao dịch chứng khoán Hà Nội
Y Gia tri thị trường - quy mô von hoa (MC - Market Capitalization)
Giá trị vốn hoá thị trường của cổ phiếu ¡ tại thời điểm t được xác định theo
công thức sau:
MC,.= Pit * Nit (3.3)
trong đó:
+ Pị :giá cổ phiếu ¡ được tính vào cuối năm t
Trang 32- Chương 3: Dữ liệu và phương pháp nghiên cứu
* Nie : số lượng đang lưu hàng của cỗ phiếu ¡ tại thời điểm cuối năm t
Số lượng cổ phiếu ¡ đang lưu hành được thu thập trên website: vietstock.vn v Giá trị số sách trên giá trị thị trường (Book to Market - BM)
Giá trị số sách trên giá thị trường của cổ phiếu i tai thoi điểm t được xác định theo công thức:
BM,,= BE sy «MC, 64
trong đó:
+ BEj, :giátrj số sách của công ty ¡ tại thời điểm cuối nim t-1 + MC¡, : quy mô vốn hoá của cổ phiếu ¡ tại thời điểm cuối năm t-I Giá trị số sách của công ty ¡ được thu thập trên website: vietstock.vn
+ 'Tỷ suất lợi nhuận danh mục cỗ phiếu
Tỷ suất lợi nhuận danh mục cổ phiếu theo tỷ trọng giá trị (r„) — value weighted được tính theo công thức sau:
(3.5)
Tỷ suất lợi nhuận danh mục cổ phiếu theo tỷ trọng bằng nhau Œ 2) — equal 'weighted được tính theo công thức sau:
(3.6)
trong đó:
+ rị¿ lợi nhuận của cổ phiếu ¡ ở tuần t +_n: số lượng cổ phiếu có trong danh mục p
Trang 33Chương 3: Dữ liệu và phương pháp nghiên cứu n DGC 70 | — tel Coviy, = n-l (3.7) trong đó:
+ r„: lợi nhuận của cổ phiếu ¡ ở tuần t
+ r„: lợi nhuận của danh mục thị trường M ở tuần t
+ r: lợi nhuận trung bình của cổ phiếu i trong kỳ quan sát
+ Ti lợi nhuận trung bình của danh mục thị trường M trong kỳ quan sát v¥ Coskewness
Coskewness (systematic kewness) của cổ.phiếu ¡ với danh mục thi trường M được tính theo công thức sau:
Ee, |
SKiy = iM fete? Jefe’, | _ (3.8)
trong đó:
+ 1 = Tie — 0; — Biw,): được xem là phần dư (residual) của phương trình hồi
quy giữa lợi nhuận vượt mức của cổ phiếu i so với lợi nhuận vượt mức của
danh mục thị trường M trong kỳ quan sát
+ ey, được tính bằng lợi nhuận của danh mục thị trường M ở tuần t trừ đi lợi
nhuận trung bình của danh mục thị M trường trong kỳ quan sát
+ rr¿ là lợi nhuận vượt mức của cổ phiếu ¡ ở tuần t
+ rụ„: là lợi nhuận vượt mức của danh mục thị trường M ở tuần t + dụ Bị là các hệ số hồi quy của T¡; VỚI rw„ trong kỳ quan sát
Cokurtosis
Cokurtosis (systematic kutosis) của cỗ phiếu ¡ với danh mục thị trường được tính theo công thức sau:
Trang 34Chương 3: Dữ liệu và phương pháp nghiên cứu
"mm: iM lef e? Elen] : (3.9) trong đó: ˆ
+ gic= Tịi =0 — BứM,): được xem là phần dư (residual) của phương trình hồi quy giữa lợi nhuận vượt mức của cỗ phiếu ¡ so với lợi nhuận vượt mức của đanh mục thị trường M trong kỳ quan sát
+ su: được tính bằng lợi nhuận của danh mục thị trường M ở tuần t trừ đi lợi nhuận trung bình của danh mục thị M trường trong kỳ quan sát
+ r¡¿ là lợi nhuận vượt mức của cổ phiếu ¡ ở tuần t
+ ru: là lợi nhuận vượt mức của danh mục thị trường M ở tuần t + dụ Bị: là các hệ số hồi quy của r¡¡ với rụ„¿ trong kỳ quan sát 3.2 Phương pháp nghiên cứu
Tiếp cận phương pháp của Kostakis & ctg (2012) tác giả ước lượng trực tiếp
hệ số coskewness và cokurtosis của cỗ phiếu i với danh mục thị trường M từ mô hình CAPM:
Rue Vp = Gin + By — ru) 8, (3.10) trong đó:
+ Rị¿ lợi nhuận của cổ phiếu ¡ ở tuần t + rr¿ lợi nhuận của tài sản phi rủi ro ở tuần t
+ Rụ¿¿ lợi nhuận của danh mục thị trường M ở tuần t
+ gu: sai số của phương trình hồi quy
Tác giả tiến hành hồi quy theo tần suất tuần lợi nhuận cổ phiếu ¡ với danh mục thị trường M, kỳ quan sát từ tuần t - 100 đến tuần t, dữ liệu có cấu trúc đữ liệu chuỗi thời gian Các hệ số covariance, coskewness và cokurtosis lần lượt được ước
lượng theo công thức 3.7; 3.8 và 3.9, trong đó, s¡¿ là phần dư của ước lượng hồi quy
mô hình CAPM ở công thức 3.10 và ew„: được tính bằng lợi nhuận danh mục thị
Trang 35
Chương 3: Dữ liệu và phương pháp nghiên cứu trường M ở tuần t trừ đi lợi nhuận trung bình của danh mục thị trường M trong giai đoạn 101 tuần liền trước
Kế tiếp, tác giả tiến hành xây dựng ba danh mục cổ phiếu mô phỏng, trường hợp danh mục tỷ trọng giá trị — value weighted, nhằm ước lượng phần bù rủi ro đại diện cho các yếu tố covariance, cokurtosis và coskewness theo phương pháp của Lambert & Hubner (2013), một phương pháp khá chặt chẽ giúp loại bỏ hiện tượng tự tương quan giữa các phần bù rủi ro trong mô hình Các phần bù rủi ro đại điện cho các yếu tố hiệp moment bậc cao được xây dựng dựa trên các ước lượng giữa lợi nhuận trong quá khứ gắn liền với mức độ rủi ro covariance, coskewness và cokurtosis của cổ phiếu ¡ có trong danh mục với danh mục thị trường M
Tác giả xem xét ba mức độ rủi ro: cao, trung bình và thấp cho từng phân loại rủi ro, phần bù rủi ro covariance (cokurtosis) được xác định bằng chênh lệch giữa lợi nhuận vượt mức của danh mục có hệ số covariance (cokurtosis) cao so với danh mục có hệ số covariance (cokurtosis) thấp, trong khi đó phần bù rủi ro coskewness được xác định bằng chênh lệch giữa lợi nhuận vượt mức của danh mục có hệ số
coskewness thấp so với danh mục có hệ số coskewness cao Để kiểm soát sự tương
quan giữa các yếu tô rủi ro tác giả sắp xếp theo ba tiêu chí trong mỗi phân loại rủi ro Trước tiên, tiêu chí thứ nhất và thứ hai được sắp xếp nhằm tạo ra biến kiểm soát
Sau đó, sắp xếp tiêu chí thứ ba dựa trên góc độ định giá rủi ro (xác định phần bù rủi
ro mà nó đại diện) Phương pháp này phù hợp với kỹ thuật mà Lambert & Hubner
(2013) đã thực hiện
Chỉ tiết hơn, tác giả minh hoạ kỹ thuật xác định phần bù rủi ro đại diện cho
yếu tố cokurtosis, tiếp cận phương pháp của Lambert & Hubner (2013) Trước tiên, sắp xếp tất cả các cổ phiếu dựa trên tiêu chí covariance với danh mục thị trường M theo thứ hạng rủi ro cao (H), trung bình (M) và thấp (L) ta được ba danh mục covariance, số lượng cổ phiếu trong mỗi danh mục mô phỏng là như nhau Kế tiếp, chia mỗi danh mục covariance trên thành ba danh mục nhỏ dựa trên tiêu chí rủi ro
coskewness, cũng theo thứ hạng H, M, L ta được chín danh mục coskewness Cuối
cùng, mỗi danh mục coskewness tiếp tục được chia nhỏ thành ba danh mục dựa trên tiêu chí rủi ro cokurtosis, theo thứ hạng H, M, L Như vậy, có tất cả 27 danh mục
Trang 36Chương 3: Dữ liệu và phương pháp nghiên cứu
cokurtosis được tạo ra theo thứ hạng rủi ro cokurtosis cao, trung bình và thấp với hai biến kiểm soát là covariance và coskewness Từ 27 danh mục cokurtosis nêu trên, phần bù rủi ro cokurtosis (Ky,s) được xác định từ chênh lệch giữa lợi nhuận trung bình của chín danh mục có thứ hạng rủi ro cokurtosis cao so với 9 danh mục có thứ hạng rủi ro cokurtosis thấp Các danh mục sẽ được phân bổ lại sau mỗi tuần Thực hiện tương tự khi ước lượng phần bù rủi ro đại diện cho yếu tố covariance và coskewness
Tổng quát hơn, tác giả minh hoạ kỹ thuật xác định phần bù rủi ro đại diện cho yếu tố rủi ro X sau khi đã kiểm soát bởi hai yếu tố rủi ro Y và Z Phần bù đại
diện cho yếu tố rủi ro X sẽ được thiết lập như sau:
| 3) 3) R(HX/IBY/c7)- YY 3/11/51] (3.11)
9 b=H,M,Lc=H,M,L b=H,M,L c=H,M ,L
trong đó: R, (aX/bY/cZ): đại diện cho lợi nhuận danh mục được xây dựng theo phân loại a của rủi ro X, theo phân loại b của rủi ro Y, theo phân loại c của rủi ro Z Với X, Y, Z đại điện cho yếu tố rủi ro covariance, coskewness và cokurtosis, tùy theo trật tự được sắp xếp H, M, L lần lượt đại diện cho thứ hạng rủi ro cao (High), trung bình (Medium), thấp (Low)
Kỹ thuật trên hàm ý mỗi phần bù rủi ro được xác định bằng cách xếp hạng thông qua hai lớp kiểm soát Nhờ đó giúp tác giả kiểm soát được sự tượng quan giữa các hiệp moment bậc cao Cuối cùng, là việc xác định phần bù rủi ro mà nó đại diện Như vậy, các phần bù rủi ro được xác định bao gồm: Vs,k; Šv, và Ky,s, trong đó: “V”, “§” và “K” lần lượt đại diện cho phần bù rủi ro covariance (Cov),
coskewness (Skew) và cokurtosis (Kurt), trật tự sắp xếp các biến kiểm soát được đặt
ở bên dưới Quy trình được lập lại theo tần suất tuần Trật tự sắp xếp các danh mục mô phỏng cho các phần bù rủi ro covariance, coskewness va cokurtosis được thể
hiện chỉ tiết trong phụ lục 8
Tiếp theo, để kiểm tra tác động của các yếu tố rủi ro covariance (Cov),
coskewness (Skew) và cokurtosis (Kurt) lên lợi nhuận kỳ vọng các danh mục cổ phiếu, tiếp cận phương pháp của Lambert & Hubner (2013), 25 (5x5) danh mục cổ phiếu mô phỏng, danh mục tỷ trọng giá trị - value weighted, được tạo ra dựa trên
Trang 37Chương 3: Dữ liệu và phương pháp nghiên cứu
yếu tố quy mô (Size) và yếu tố thư giá trên thị giá (BM) theo phương pháp Fama & French (1993), các danh mục mô phỏng sẽ được phân bố lại vào cuối tháng sáu của năm thứ y theo giá trị quy mô (Size) và BM của năm y-1, và cuối cùng, sử dụng phương pháp Fama & MacBeth (1973) tác giả kiểm định ý nghĩa thống kê, khả năng giải thích của các hệ số hồi quy và các giả thuyết trong mô hình Tác giả sử dụng phương pháp tương tự cho trường hợp danh mục tỷ trọng bằng nhau — equal weighted Trật tự 25 danh mục cổ phiếu mô phỏng theo yếu tố quy mô (Size) và BM được thể hiện chỉ tiết trong phụ lục 9
3.3 Mô hình nghiên cứu
Tương tự như nghiên cứu của Kostakis & ctg (2012) và Lambert & Hubner (2013) tác giả sử dụng mô hình nghiên cứu sau:
Mô hình 1: CAPM
R,, Tp =O, + Bar (Rare —r/„)+ En (3.12)
M6 hinh 2: 4 - Moment CAPM
Raa Typ, =O, + Bara (Rua a rz„) + 8-„Coy + B; Skew+ By Kurt +E, (3.13)
trong đó:
+ Rott suất sinh lời danh mục p ở tuần t
+ rạ¿ suất sinh lời của tài sản phi rủi ro ở tuần t
+ Rự„¿ suất sinh lời danh mục thị trường M ở tuần t
+ Cov, Skew, Kurt lan lugt 1a cdc biến (phân bù rủi ro) đại diện cho các yếu tố rủi ro covariance, coskewness va cokurtosis
+ Bus Bos Bs Bx: lan lượt là các hệ số beta đại diện cho rủi ro danh mục thị
trường, rủi ro do các yếu tố covariance, coskewness va cokurtosis
+ cạ: hệ số chặn
+ & 4: sai 6 ctia phuong trình hồi quy
Tiến hành hồi quy lợi nhuận vượt mức của 25 danh mục mô phỏng theo tiêu chí Size/BM, áp dụng lần lượt cho mô hình CAPM và 4 ~ Moment CAPM ở mục 3.12 và 3.13, hồi quy theo tần suất tuần, kỳ quan sát từ tuần t -100 đến tuần t Dữ liệu có cấu trúc dữ liệu chuỗi thời gian
Trang 38Chương 3: Dữ liệu và phương pháp nghiên cứu
3.4 Kiểm định tính phù hợp của mô hình
Tác giả tiếp cận phương pháp của Fama & MacBeth (1973) - FMB, nhằm
kiểm định tính phù hợp của mô hình và ý nghĩa thống kê của các hệ số hồi quy
thông qua việc phân tích các hệ số gamma Œ¡) trong các phương trình M.1; M.2 và M.3 Cu thé, ở mỗi tuần t tác giả tiến hành chạy hồi quy lợi nhuận vượt mức của 25
danh mục (Size/BM) với các hệ số beta và độ lệch chuẩn của phần dư tương ứng,
lần lượt cho phương trình M.1 (ứng với mô hình 1) và phương trình M.2 và M.3 (ứng với mô hình 2) Các hệ số beta đã được ước lượng trong mô hình CAPM và 4 - Moment CAPM trước đó, ở mục 3.3 Dữ liệu có cấu trúc dữ liệu chéo (cross section data)
M.1: sử dụng cho mơ hình CAPM
Đ„ —t, =7, +? Bt Pay @.1)
M.2: sử dụng cho mô hình 4 - moment CAPM
Ray Hp = Vor + Yu B rst Yau Booct Var B ops * Var B p+ Var 8 00 + Mp (3.15)
trong đó: s„ là biến động của phần dư trong mô hình hồi quy đữ liệu chuỗi thời gian tương ứng ở phương trình (3.12) và (3.13), Sy được đo lường bằng độ lệch chuẩn (standard deviation) của phần dư (residual) Đây là đặc điểm thông tin sai số liên quan đến phương pháp FMB hai bước
Ngoài ra, tác giả còn kiểm tra yếu tố rủi ro phi tuyến tính của các beta
Phương trình M.3 được thiết lập bằng cách bình phương các hệ số beta của hiệp
moment thứ hai, thứ ba và thứ tư trong phương tình M.2, phù hợp với phương pháp của Lambert & Hubner (2013)
Trang 39Chương 3: Dữ liệu và phương pháp nghiên cứu
a2 A2 az
+ uc? gi px: đại diện cho rủi ro phi tuyến của yếu tố covariance, coskewness va cokurtosis
- Cuối cùng, tác giả quan tâm đến các giá trị tham số gamma y¡ và mức ý nghĩa thống kê của chúng Sau khi chạy mô hình, tiến hành thu thập các giá tri yj, tính giá trị trung bình, phương sai và mức ý nghĩa thống kê của các tham số trên bằng phương pháp thống kê t-statistic qua đó kiểm định các giả thuyết được nêu ở mục 3.5 teas ¬ — lou Giá trị trung bình: Vin = Pout Vn (3.17) T _x Phương sai: Var7„) -„a„=72}` ứ, 72) T-1 (3.18) Ty t- statistic: 7) = frar(y, )/7 (3.19)
3.5 Giả thuyết nghiên cứu
Căn cứ vào nghiên cứu Lambert & Hubner (2013) tác giả đưa ra giả thuyết cho mô hình nghiên cứu như sau:
Giả thuyết H1: Mô hình định giá tài sản 4 — Moment CAPM dự báo lợi nhuận là một hàm có biến động cùng chiều với yếu tố beta thị trường; beta coskewness va beta cokurtosis Diéu này tương đương với:
Phuong trinh M.2 va M.3: E(y,, +%,) >03 E(%,)>03E(7,) >0-
Giả thuyết H2: Các hệ số beta có thể đo lường toàn bộ các rủi ro trong điều
kiện thị trường hiệu quả Điều này tương đương với:
Phuong trinh M.1: E(y,,)=0; Phuong trinh M.2 va M.3: E(%,) =0
Giả thuyết H3: Không tồn tại tác động phi tuyến của các yếu tố rủi ro hiệp moment bậc cao Điều này tương đương với:
Phương trình M.3: Z(„)=0;#(„)=0; E(,) =0
Trang 40Chuong 4: Két qua va thao luan
= Se uc: a
CHUONG 4: KET QUA VA THAO LUAN
Trong chuong nay tac gia trinh bay két qua hồi quy lợi nhuận kỳ vọng các nhóm danh mục cô phiếu được mô phỏng theo tiêu chí quy mô vốn hóa (Size) và
BM, sit dung mé hinh hdi quy CAPM, 4 — Moment CAPM, áp dụng khung phân
tích của Fama & MacBeth (1973) cho trường hợp danh mục tỷ trọng gia tri — value weighted và trường hợp danh mục tỷ trọng bằng nhau — equal weighted Tiếp theo,
tác giả tiến hành phân tích các hệ số hồi quy, từ đó làm cơ sở đánh giá tác động của
các yếu tố rủi ro hiệp moment bậc cao lên lợi nhuận kỳ vọng danh mục cổ phiếu,
đồng thời kiểm định các giả thuyết nghiên cứu HI, H2, H3
4.1 Danh mục tỷ trọng giá trị
Phần này tác giả trình bày thống kê mô tả, ma trận hệ số tương quan, kiểm định tính đừng và phân tích kết quả hồi quy, trường hợp danh mục tỷ trọng giá trị — value weighted Bảng 4.1: Mô tả dữ liệu (danh mục tỷ trọng giá trị) Biến RME COV SKEW KURT Trung bình 0.00003 -0.00103 0.00018 0.00021 Trung vi -0.00190 -0.00285 0.00205 -0.00015 Lớn nhất 0.13720 0.08760 0.05090 0.13400 Nhỏ nhất -0.15350 -0.10600 -0.07900 -0.09730 Độ lệch chuẩn 0.04350 0.03007 0.01994 0.02338 Skewness — độ nghiêng -0.05181 -0.07964 -0.67039 0.72382 Kurtosis — độ nhọn 4.26970 3.49272 4.77170 8.01962 Jarque-Bera 18.93365 3.12831 57.59387 318.40940 Probability 0.00008 0.20926 0.00000 0.00000 T - test 0.0131 -0.5737 0.1537 0.1526 Số quan sát 280 280 280 280
Ngn: Tính tốn của tác giả
Kết quả thống kê mô tả (Bảng 4.1), trường hợp danh mục tỷ trọng giá trị, cho
thấy phần bù rủi ro thị trường (RMF), phần bù rủi ro covariance (COV),
coskewness (SKEW) và cokutoisis (KURT) đều có giá trị trung bình khá thấp trong giai đoạn từ 2008 — 2013, bằng 0% với hệ số t — test không đủ lớn ở các mức ý