Đánh giá tính hiệu quả của PTKT trong đầu tư chứng khoán Việt Nam bằng phương pháp bootstrap

Mục tiêu nghiên cứu

- Đánh giá tính hiệu quả của việc sử dụng các chỉ báo PTKT để đầu tư trên thị trường chứng khoán Việt Nam bằng phương pháp kiểm định thống kê t. - Theo phương pháp kiểm định thống kê t, việc sử dụng các chỉ báo PTKT để đầu tư trên thị trường chứng khoán Việt Nam có mang lại lợi nhuận hay không?. Khoảng chênh lệch giữa giá trị trung bình ước lượng bằng bootstrap và ước lượng mô hình với mẫu ban đầu càng nhỏ cho phép kết luận các ước lượng mô hình có thể tin cậy được.

KHOẢNG TRỐNG KIẾN THỨC VÀ ĐểNG GểP CỦA ĐỀ TÀI Từ việc lược khảo các nghiên cứu trước, nhóm tác giả đã tìm thấy được một hai

Các chỉ báo này phát huy hiệu quả cả trong giai đoạn thị trường tăng mạnh, giảm mạnh và dao động hỗn hợp trên cả 3 TTCK của Trung Quốc và kết luận rằng có bằng chứng cho thấy 3 TTCK của Trung Quốc là chưa hiệu quả trong giai đoạn nghiên cứu 1992 - 2004. Kết quả cho thấy rằng các quy tắc giao dịch PTKT có mang lại lợi nhuận đáng kể và kết luận rằng PTKT có hiệu quả và đánh bại chiến lược mua - nắm giữ. Theo đó, bài nghiên cứu sẽ có hai đóng góp chính trong việc nghiên cứu đến hiệu quả đầu tư chứng khoán dựa vào phương pháp PTKT.

Thứ nhất, phương pháp bootstrap được sử dụng để khắc phục hạn chế của việc vi phạm các giả định của kiểm định thống kê t, như được chỉ ra bởi nghiên cứu của Brock & ctg (1992). Thứ hai, chi phí giao dịch chứng khoán được đưa vào mô hình để nghiên cứu ảnh hưởng của phí giao dịch đến hiệu quả đầu tư chứng khoán dựa vào phương pháp PTKT.

PHƯƠNG PHÁP NGHIÊN CỨU

TSLN thu được dựa vào các tín hiệu PTKT và sử dụng dữ liệu thực tế từ VNIndex được so sánh với TSLN của dữ liệu mô phỏng. Phương pháp này không chỉ đánh giá khả năng sinh lời của các quy tắc PTKT mà còn là một sự kiểm định về tính phù hợp của các mô hình. Tập hợp này sau đó được sử dụng với các hệ số hồi quy thu được ở lúc trước để tạo thành một chuỗi dữ liệu đại diện mới cho mô hình giả thuyết H0.

Giả thuyết H0 bị từ chối ở mức α phần trăm nếu TSLN dựa vào PTKT thu được từ dữ liệu VNIndex thực tế lớn hơn α phần trăm so với TSLN thu được từ dữ liệu mô phỏng. Trong nghiên cứu này, chuỗi dữ liệu mô phỏng được tạo ra bởi phương pháp GARCH-M (generalized autoregressive conditional heteroskedasticity in-mean model). Trong mô hình này, rt là TSLN vào ngày t; ht là phương sai có điều kiện, là một hàm tuyến tính của bình phương sai số của kỳ trước và của phương sai có điều kiện của kỳ cuối cùng; 𝜀 là sai số theo phân phối chuẩn.

Phương trình của phương sai có điều kiện, ht, ngụ ý mối tương quan chuỗi dương trong TSLN của cổ phiếu, cụ thể các giai đoạn có sự biến động cao (hoặc thấp) có thể sẽ được theo sau bởi các giai đoạn có sự biến động cao (hoặc thấp). Phần dư sau khi được tiêu chuẩn hóa sẽ được lấy mẫu với sự thay thế, và được sử dụng cùng với các tham số ước tính để tạo chuỗi GARCH-M. GARCH-M có thể phù hợp với giả thuyết thị trường hiệu quả, nghĩa là TSLN dự kiến cao hơn được kỳ vọng khi độ biến động có điều kiện cao hơn theo thông số kỹ thuật của GARCH-M.

Từ những tham số nhận được của mô hình GARCH-M, một sự mô phỏng dựa trên 500 lần lặp lại được tiến hành để xác định khoảng tin cậy của TSLN trung bình kỳ.

MÔ TẢ DỮ LIỆU

Từ đó, các kết luận thống kê sẽ được rút ra để đánh giá sự hiệu quả của việc ứng dụng PTKT vào đầu tư trên TTCK Việt Nam.

CHIẾN LƯỢC TRUNG BÌNH ĐỘNG

Quy tắc đường trung bình động được sử dụng để chia mẫu nghiên cứu thành các khoảng thời gian mua hoặc bán tùy thuộc vào vị trí tương đối của các đường trung bình động. Nếu đường trung bình động ngắn ngày ở trên (dưới) đường trung bình dài ngày, ngày giao dịch đó được phân loại là mua (bán). Quy tắc này được thiết kế để sao chép lợi nhuận từ quy tắc giao dịch, trong đó nhà giao dịch mua khi đường trung bình động ngắn ngày cắt đường trung bình dài ngày từ dưới lên và ở lại thị trường cho đến khi đường trung bình động ngắn ngày cắt đường trung bình động dài ngày từ trên xuống.

Đối với mỗi quy tắc giao dịch được kiểm tra, số lượng tín hiệu mua được tạo ra nhiều hơn khoảng 50% số lượng tín hiệu bán, điều này phù hợp với thị trường có xu hướng tăng (Xem Hình 3.1). Kết quả kiểm định của cả sáu chiến lược đều từ chối giả thuyết H0 rằng, TSLN thu được từ ứng dụng PTKT bằng với TSLN của VNIndex ở mức ý nghĩa 5%. Điểm đáng lưu ý khác từ Bảng 4.1 chính là, khi phí giao dịch được quan tâm và đưa vào mô hình, hiệu quả đầu tư dựa vào phương pháp PTKT có suy giảm.

Nguồn: TradingView Kiểm định thứ hai về quy tắc đường trung bình động, đường trung bình động có độ dài cố định – FMA, kiểm tra TSLN trong 10 ngày kể từ sau sự giao nhau giữa hai đường trung bình động. Chúng ta thấy rằng TSLN thu được từ tín hiệu mua có giá trị trung bình là 0,57% cao hơn TSLN trung bình 10 ngày từ VNIndex. Con số trong ngoặc đơn là thống kê t cho sự khác biệt giữa TSLN hằng ngày theo tín hiệu mua và tín hiệu bán so với TSLN hằng ngày của VNIndex.

Tóm lại, dựa vào kiểm định thống kê t, việc đầu tư trên TTCK Việt Nam dựa vào tín hiệu mua bán của các đường trung bình động có thể giúp nhà đầu tư thu được TSLN trung bình khác không, ngoại trừ quy tắc FMA có tính phí giao dịch.

CHIẾN LƯỢC VÙNG ĐỘT PHÁ

Đối với quy tắc vùng đột phá, nhóm tác giả tính toán TSLN trong khoảng thời gian nắm giữ là 10 ngày sau khi các tín hiệu mua và bán xuất hiện. Trong khoảng thời gian này, các tín hiệu mua hoặc bán xuất hiện sẽ bị bỏ qua. Các kết quả cho thấy TSLN mua là dương cho tất cả các quy tắc, với mức trung bình là 0,66%.

Đối với 5 trong số 6 quy tắc, TSLN mua theo tín hiệu PTKT khác biệt có ý nghĩa thống kê so với TSLN không điều kiện trong 10 ngày.

KIỂM ĐỊNH BẰNG PHƯƠNG PHÁP BOOTSTRAP

Kết quả này là phù hợp với các kết quả thu được từ kiểm định thống kê t truyền thống được trình bày ở những phần trên. Cụ thể, TSLN mua trung bình hằng ngày theo PTKT lớn hơn TSLN trung bình hằng ngày của chỉ số VNIndex, và TSLN bán trung bình hằng ngày theo PTKT nhỏ hơn TSLN trung bình hằng ngày của chỉ số VNIndex. Các tín hiệu mua từ PTKT không chỉ chọn ra các khoảng thời gian có TSLN trung bình cao hơn mà còn chọn các khoảng thời gian có độ biến động thấp hơn.

Một lời giải thích thường được sử dụng cho khả năng dự đoán về lợi nhuận là thay đổi mức độ rủi ro, nghĩa là rủi ro cao thì lợi nhuận sẽ cao. Cụ thể, TSLN mua theo PTKT cao hơn trong thời kỳ rủi ro thấp hơn, và TSLN bán thấp hơn trong thời kỳ rủi ro hơn. Giá trị trung bình giản đơn sẽ được áp dụng cho cả sáu quy tắc PTKT được kiểm tra, như theo nghiên cứu của Brock &.

Do đó, đối với mỗi mô phỏng trong số 500 lần lập lại, giá trị trung bình của TSLN và độ lệch chuẩn của TSLN thu được từ tất cả các quy tắc được tính toán. Hàng đầu tiên của Kênh B, được gắn nhãn “Giả lập > PTKT”, tuân theo định dạng giống như kết quả được trình bày trong Kênh A. Không có gì ngạc nhiên khi những kết quả này hoàn toàn phù hợp với những kết quả dành cho các quy tắc riêng lẻ.

Độ nhạy của các suy luận trong bài nghiên cứu đối với việc lựa chọn 500 lần lặp lại được kiểm tra trong Hình 4.1.