3.2.1. Kiểm định sự tồn tại của phụ thuộc chéo trong dữ liệu bảng
Kiểm định Moran’s I test chỉ áp dụng cho dữ liệu chéo không time series. Đối với dữ liệu bảng, Breusch, T.S. and Pagan, A.R. (1980) phát triển kiểm định Lagrange Multiplier test (LM test), PesaranH (2004) với PCD test(pesaran cross dependence test).
3.2.1.1. Breusch Pagan LM test
Kiểm định được Breusch, T.S. and Pagan, A.R. (1980) đưa ra dựa trên ý tưởng hồi quy OLS riêng biệt từng section, sau đó kiểm tra sự liên quan giữa phần dư của các section đó.
= = ( 3.11)
Với ρij là hệ số tương quan của phần dư section i với phần dư section j từ hồi quy
y=βX+ϵ cho từng section. ρij = corr(ϵi, ϵj).
~ ( )/ dưới giả thuyết Ho là không có phụ thuộc chéo.
3.2.1.2. Pesaran CD Test
LM test có nhược điểm trong thực tế thực hành dễ bị méo mó khi N lớn và T nhỏ, Pesaran H (2004) dựa trên LM test đề xuất phương pháp kiểm định dành cho lượng mẫu với N lớn và T cũng có thể rất lớn.
= 2
( − 1). ( 3.12)
Dưới giả thuyết H0 không có phụ thuộc chéo, CDP N(0,1) khi N và T đủ lớn.
3.2.2. Mô hình, phương trình ước lượng
Mô hình spatial econometrics xây dựng mở rộng cho dữ liệu bảng (panel data) thêm chiều thời gian T bổ sung cho chiều không gian N (section). Phương trình tổng quát eq 3.7 được bổ sung cho dữ liệu tại t, với giả định ma trận W ổn định:
Yt = δWYt + αιN + Xtβ +WXtθ + u, ut = λWut + ϵt (eq 3.13)
Mở rộng thêm hiệu ứng spatial specific effect (hay còn gọi là individual effect trong panel data truyền thống) và time specific effect, Elhorst (2014) đưa ra:
Y = WY + αι + X β + WX θ + μ + ξ ι + u , u = λWu + ϵ (eq 3.14)
Trong đó, μ = (μ1…μN)T là spatial specific effect, ξt là time specific effect
Với việc giới hạn các giá trị của một hay một hay vài trong số các hệ số δ, α, β, λ bằng 0 sẽ có các mô hình tương ứng như phần 3.1.2.3 (Hệ thống các mô hình spatial econometrics) đã đề cập.
Trong thực tế ứng dụng, các mô hình SAR, SEM, SDM được sử dụng nhiều,các mô hình SAC và GNS ít được sử dụng (Elhorst, 2014).
3.2.3. Kỹ thuật ước lượng
LeSage and Pace (2009) cho rằng ước lượng spatial model bằng OLS sẽ dẫn tới sai lệch (biased), không nhất quán (inconsistant) bởi sự tồn tại của biến Wy. Trong khi đó, ước lượng bằng Maximum Likelihood (MLE) lại khắc phục được những nhược điểm này của OLS. Lu and Zhang (2010) cho rằng ước lượng GMM cho kết quả gần giống MLE, trong khi phương pháp tính toán lại dễ dàng và sử dụng ít tài nguyên (bộ nhớ, độ phức tạp thuật toán) hơn so với MLE.
LeSage and Pace (2009), Elhorst (2014) đều cho rằng các mô hình SAR, SEM, SDM được sử dụng nhiều trong lý thuyết và ước lượng cũng dễ dàng hơn so với mô hình gốc đầy đủ GNS. Hơn nữa việc ước lượng các mô hình còn lại như SDEM, SAC đều có thể dẫn suất từ kỹ thuật ước lượng (vấn đề kỹ thuật toán, lập trình) SAR, SEM.
Theo LeSage and Pace (2009), Bekti et al. (2013), Elhorst (2014), mô hình SDM là trường hợp đặc biệt của SAR khi thay tập hợp biến giải thích X bằng tập hợp mở rộng X: = [X WX].
Thật vậy, từ mô hình SDM gốc: (3.7)
= ∑ . + + ∑ . , + ∑ ∑ . , +
= + + [ ]. [ ]′ +
Đặt ∗= , = [ ] ta có = + + ∗ + ,
chính là mô hình SAR với biến giải thích Z thay vì X.
Vì những đặc điểm nổi trội hơn của mô hình SDM, nghiên cứu này lựa chọn mô hình này để thực hiện và chỉ trình bày tóm tắt kỹ thuật ước lượng Maximum Likelihood cho nó. (adsbygoogle = window.adsbygoogle || []).push({});
Theo Elhorst (2014), hàm LogLik cho mô hình SAR ước lượng theo kỹ thuật fixed effect:
= − 2 log(2 ) + . (| − |)
−21 − − , − ( 3.15)
Và LogLik cho SAR theo random effect:
= − 2 log(2 ) + . (| − |) + 2log ( )
−21 ∗ −
∗
− ∗, ( 3.15)
Tiến hành tính đạo hàm riêng cho các μi, βk, δ để có phương trình giới hạn đạo hàm riêng bằng 0 và tìm các giá trị ước lượng cho các tham số này.
3.3.Mô hình đo lường sự đồng biến, so sánh các mối liên kết trong tác động đối với sự đồng biến đối với sự đồng biến
Với những ưu điểm của SDM và SAR so với các mô hình khác, trong nghiên cứu này tôi lựa chọn 2 mô hình này để kiểm định tính đồng biến giữa các thị trường chứng khoán, so sánh đánh giá các yếu tố được cho là có tác động đến tính đồng biến ấy.
Lấy mô hình SDM làm ví dụ: Y = δWY + ατN + Xβ +WXθ + ϵ
Hệ số δ phản ánh sự phụ thuộc (trung bình) của Y của một section vào các Y của các section lân cận. Nếu kết quả hồi quy cho δ> 0 và có ý nghĩa thống kê thì chứng tỏ tồn tại tính vận động cùng hướng (đồng biến) của Y giữa các section. Hệ số δ càng lớn chứng tỏ mức độ đồng biến càng cao.
Để so sánh các mối liên kết (đo lường bằng W) với nhau xem đo lường nào phản ánh tốt hơn sự đồng biến, Asgharian et al. (2013) sử dụng đồng thời mô hình SDM với hai phần tử spatial lag: Y=ρ1W1Y +ρ2W2Y + βX + θ1W1X + θ2W2X + μ + ϵ Nếu ρ1> ρ2 thì chứng tỏ mức độ ảnh hưởng của W1 cao hơn W2 đến sự đồng biến của Y giữa các section.
Trong nghiên cứu này, tôi đưa thêm một đo lường so sánh nhằm đánh giá mức độ
ảnh hưởng giữa các W bằng tỷ số ρ1/ρ2. Nếu tỷ số này càng lớn chứng tỏ sức vượt
trội càng cao giữa W1 so với W2 (và ngược lại).
Trong trường hợp W1 và W2 được xây dựng bằng cách tách từ một ma trận gốc W
nhằm so sánh 2 nhóm 50% liên kết cao và 50% liên kết thấp, tỷ số ρ1/ρ2 càng lớn
chứng tỏ nhóm section liên kết cao có tính đồng biến lớn hơn nhóm liên kết thấp, hay mối liên kết đó thực sự ảnh hưởng đáng kể đến sự đồng biến.
CHƯƠNG 4. LỰA CHỌN VÀ XÂY DỰNG BIẾN
Chương này trình bày lý luận để lựa chọn biến nghiên cứu và cách xây dựng biến từ chuỗi dữ liệu gốc. Có 3 loại biến trong mô hình.
- Biến phụ thuộc Y là tỷ suất sinh lợi các thị trường chứng khoán.
- Biến phản ánh quan hệ kinh tế song phương để xây dựng ma trận trọng số W.
- Biến độc lập X là các biến kinh tế mỗi quốc gia
Mô hình đầy đủ theo (eq 3.7): Y = δWY + ατN + Xβ +WXθ + u, u = λWu + ϵ 4.1.Biến phụ thuộc
Biến phụ thuộc là tỷ suất sinh lợi thị trường hằng tháng các quốc gia. Tỷ suất sinh lợi hằng tháng được tính bằng thay đổi logarithm của chỉ số chứng khoán bình quân tháng. Các chỉ số chứng khoán quốc gia được chọn có thể là chỉ số trực tiếp của thị trường hoặc chỉ số đại diện tham chiếuqua MSCI, nếu chỉ số MSCI đại diện không có thì chọn NASDAQ đại diện.
Indexmonth t = DailyAverage(Index days in month t) StockReturnt = log(Indext)-log(Indext-1) 4.2.Nhóm biến đo lường mối liên kết tài chính
Để đo lường mối liên kết phản ánh mối quan hệ giữa các quốc gia được cho là có tác động đến thị trường chứng khoán song phương, có mười mối liên kết được xem xét. Mục tiêu của nghiên cứu là xem xét những mối liên kết này có tác động đến tính biến động cùng chiều giữa các thị trường chứng khoán hay không và mức độ tác động so sánh giữa chúng ra sao nếu có.
Trong nghiên cứu này, các mối liên kết tài chính được giả định là ổn định trong từng thời kỳ nghiên cứu. Do vậy ma trận W cho mỗi mô hình được tính bằng cách lấy dữ liệu cho cả thời kỳ để tính. Mỗi phần tử wij có thể là “tỷ lệ song phương”, độ (adsbygoogle = window.adsbygoogle || []).push({});
lệch tiêu chuẩn của một chỉ tiêu song phương, hay các biến thể đo lường từ những chỉ tiêu đó.
4.2.1. Dao động tỷ giá song phương
Tỷ giá song phương ổn định sẽ giảm rủi ro tỷ giá. Điều này kích thích hoạt động hội nhập kinh tế lẫn nhau giữa hai quốc gia qua đầu tư, thương mại. Dao động tỷ giá song phương thấp hay tính ổn định tỷ giá cao cũng khiến kỳ vọng lạm phát giống nhau giữa các quốc gia, làm cho kỳ vọng tỷ suất sinh lợi phi rủi ro giống nhau dẫn tới tính đồng biến thị trường tăng. Tuy nhiên các nghiên cứu về tác động của dao động tỷ giá song phương lại cũng cho những kết quả khác nhau.
Theo Clark et al. (2004), không có bằng chứng cho thấy dao động tỷ giá song phương có tác động xấu đến thương mại song phương vì vậy không thể kết luận dao động tỷ giá song phương làm giảm hay tăng mối liên kết tài chính. Bekaert and Harvey (1995) cho thấy không có liên quan giữa dao động tỷ giá song phương với hội nhập tài chính.
Heimonen K. (2009), nghiên cứu tỷ giá song phương USD, EUR cho rằng sự khác biệt về tỷ suất sinh lợi thị trường Mỹ và EU dẫn tới gia tăng dòng vốn chảy một chiều từ EU vào Mỹ, làm cho giá đồng USD tăng so với EUR. Hau and Rey (2002, 2006) lại cho thấy tỷ suất sinh lợi chứng khoán thị trường nội địa cao hơn thị trường nước ngoài thì song hành với giá đồng tiền nội địa thấp. Bodart and Reding (1999) và Beine et al. (2010) cũng cho thấy hiệu ứng ngược của dao động tỷ giá tác động lên tính đồng biến của hai thị trường, tức là dao động tỷ giá tác động xấu đến tính hội nhập tài chính. Asgharian et al. (2013) lại chứng tỏ dao động tỷ giá có ảnh hưởng tích cực đến tính đồng biến của tỷ suất sinh lợi các thị trường.
Asgharian et al. (2013) sử dụng dao động tỷ giá song phương tính bằng độ lệch tiêu chuẩn của thay đổi giá trị logarith tự nhiên tỷ giá song phương hằng ngày. Tôi cũng sử dụng đo lường này nhưng chia cho mỗi thời kỳ (2004-2006, 2007-2009, 2010- 2013).
W={wij = stdev( log(Fij,t) –log(Fij,t-1) )}NxN
Fij là tỷ giá song phương, đo bằng số đồng ngoại tệ đổi một đồng nội tệ. Với cách
tính này đối với những đồng tiền có giá trị thấp như VND (i) so với USD hay AUD (j) thì wij=0 vì mức độ thay đổi hằng ngày quá nhỏ so với giá trị trung bình. Với giả định tỷ giá song phương là đối xứng ở hai quốc gia do tồn tại của Arbitrage, khi đó wij được lấy xấp xỉ bằng wji.
4.2.2. Thương mại song phương
Thương mại song phương càng tăng, sự phụ thuộc kinh tế tài chính giữa hai quốc gia càng lớn, điều này đẩy mạnh sự đồng bộ chu kỳ kinh tế. Quốc gia nhập khẩu nhiều suy giảm kinh tế khiến nhu cầu nhập khẩu giảm sẽ tác động đến giá trị và khối lượng xuất khẩu tại các quốc gia xuất khẩu làm cho tác động của chu kỳ kinh tế được lan toả. Điều này đã được đề cập trong hệ thống các mối liên kết kinh tế tài chính của World Bank như phần 2.1.2. Frankel and Rose (1998) cũng khẳng định mối liên hệ giữa thương mại song phương với sự đồng bộ chu kỳ kinh tế. Walti (2005), Hasthak (1995) khẳng định hệ số tương quan giữa hai chỉ số thị trường chứng khoán là hàm tăng theo tỷ trọng thương mại song phương và đầu tư trực tiếp song phương.
Beine and Candelon (2007) tìm thấy bằng chứng vững chắc để khẳng định tự do hoá thương mại và thương mại song phương tác động tích cực đến tính đồng biến giữa các thị trường chứng khoán các nước mới nổi.
Kết quả của Chinn and Forbes (2004) cho thấy thương mại song phương là kênh hiệu quả truyền dẫn các cú sốc từ thị trường chứng khoán các nền kinh tế lớn tới thị trường khác. Hai tác giả này cũng khẳng định kênh thương mại trực tiếp là yếu tố lớn và chủ yếu mang tới hiệu ứng lan toả từ thị trường lớn ra toàn thế giới.
Beine and Candelon(2011) sử dụng dữ liệu bảng cho 25 quốc gia đang phát triển với 15 năm cho thấy thương mại song phương và cải cách tự do hoá tài chính có tác động tích cực đến mức độ liên kết giữa các thị trường chứng khoán.
Moore and Wang (2014) nghiên cứu tính đồng bộ thị trường một số nước châu Á so sánh với Mỹ thì cho thấy thương mại song phương có ảnh hưởng tích cực.
Ma trận W đo lường bằng cầu nối thương mại song phương được tính toán dựa trên tỷ lệ thương mại song phương của quốc gia i với quốc gia đối ứng j so với toàn bộ các quốc gia (trong mẫu) có quan hệ thương mại với i.
= , + ,
= ∑
i là quốc gia báo cáo, j là quốc gia đối ứng 4.2.3. Đầu tư trực tiếp FDI
Đầu tư trực tiếp được coi là cầu nối mang đến sự ràng buộc bền vững về kinh tế giữa các quốc gia đầu tư và nhận đầu tư, có tác dụng đồng bộ chu kỳ kinh tế. Chẳng hạn khủng hoảng kinh tế xảy ra ở nước đầu tư dẫn tới các công ty của nước này phải thu hẹp hoạt động ở nước ngoài, khiến kinh tế các quốc gia nhận đầu tư cũng chịu ảnh hưởng lây lan. Cơ chế này có thể dẫn tới sự biến động cùng hướng của tỷ suất sinh lợi thị trường chứng khoán giữa các quốc gia. Chinn and Forbes (2004) trong khi tìm thấy bằng chứng vững chắc về hiệu ứng này của kênh thương mại song phương thì kênh đầu tư trực tiếp lại không có ý nghĩa thống kê. Fernández- Avilés et al. (2012) lại khẳng định FDI là yếu tố quan trọng chính mang tới sự đồng bộ giữa các thị trường chứng khoán. Hasthak (1995) khẳng định hệ số tương quan giữa hai chỉ số thị trường chứng khoán là hàm tăng theo tỷ trọng thương mại song phương và đầu tư trực tiếp song phương.
Asgharian et al. (2013) cũng dùng tỷ lệ FDI song phương so với FDI toàn bộ của một quốc gia với các quốc gia trong mẫu. Trước đó, Fernadez-Aviles et al. (2012) cũng đo lường FDI như luồng đơn thuần nhưng lấy chuẩn hoá theo GDP trong nghiên cứu bằng mô hình gravity. Trong nghiên cứu này, tôi sử dụng đo lường tương tự của Asgharian et al. (2013).
= +
Ma trận W cũng được chuẩn hoá: W={ =∑ }NxN
4.2.4. Nợ ngân hàng nước ngoài Foreign claim
Allen and Gale (2000) mô tả mối liên kết liên ngân hàng xuyên quốc gia là một nguyên nhân tạo nên sự lây lan tài chính. Khi một quốc gia bị khủng hoảng, tài sản của các quốc gia khác tại quốc gia bị khủng hoảng bị đe doạ. Chiếu theo định nghĩa của World Bank về các mối liên kết, mối liên kết bằng foreign claims (Nợ xuyên quốc gia giữa các ngân hàng) có thể được xếp vào nhóm liên kết tài chính. Buchhol and Tonzer (2013) nghiên cứu về lây lan rủi ro tiền tệ thì cho thấy mối liên kết tài chính này có kết quả khá khác nhau nhưng nghiêng về phía liên kết này làm giảm tính đồng biến của rủi ro tín dụng khu vực Eurozone. Trong nghiên cứu này, tôi xem xét khám phá xem liệu foreign claims nó có ảnh hưởng đáng kể hay không tới sự đồng biến của các thị trường chứng khoán.
= +
Ma trận W cũng được chuẩn hoá: W={ =∑ }NxN
4.2.5. Đầu tư gián tiếp FPI
Đầu tư gián tiếp cũng là một kênh phản ánh mối quan hệ tài chính giữa các quốc gia. Về hiệu ứng tác động của FPI lên sự biến đổi cùng hướng của thị trường chứng khoán đến nay chưa thấy có nghiên cứu nào thực hiện. Theo suy luận chủ quan, nhà đầu tư gián tiếp ra thị trường nước ngoài có nhiều mục đích, trong đó có mục đích đa dạng hoá danh mục để giảm rủi ro, vì vậy có thể có mối quan hệ nghịch chiều giữa tỷ suất sinh lợi hai thị trường với đầu tư gián tiếp song phương.
Nghiên cứu này đưa yếu tố liên kết qua FPI vào với mục tiêu khám phá tác động của nó với tính đồng bộ của các thị trường chứng khoán. Xây dựng ma trận W cho FPI cũng giống như FDI. (adsbygoogle = window.adsbygoogle || []).push({});
= +
Ma trận W cũng được chuẩn hoá: W={ =∑ }NxN
4.2.6. Hội tụ lạm phát
Đầu tư vào tài sản trong đó có chứng khoán là một cách phòng ngừa trước lạm phát. Theo Ely and Robinson (1997), giá chứng khoán duy trì tương đối so với chỉ số CPI, cho dù nguồn gốc của cú sốc lạm phát đến từ vấn đề lĩnh vực tiền tệ hay không. Do vậy, nếu hai quốc gia có cùng mức độ lạm phát sẽ làm giảm cân nhắc lựa chọn nơi đầu tư cho nhà đầu tư, nhà đầu tư có thể dễ dàng phân chia tỷ lệ đầu tư trong nước và nước ngoài.
Theo hiệu ứng Fisher, i = (1+ρ).(1+π) -1 ≈ ρ + π , lãi suất danh nghĩa = lãi suất thực tế + kỳ vọng lạm phát. Vì vậy kỳ vọng lạm phát giống nhau ở cá quốc gia