b/ Các nghiên cứu không tìm thấy ảnh hưởng của thời tiết
4.2/ Mô hình GARCH
Heteroskedasticity)
Theo nghiên cứu gần đây của Floros (2008) và Chang và cộng sự (2006), tôi sử dụng mô hình GARCH bởi vì mô hình này nắm bắt được xu hướng trong các dữ liệu tài chính cho các biến động và đồng thời, đưa thêm các biến trễ của phương sai có điều kiện vào phương trình phương sai theo dạng tự hồi quy (Tim Bollerslev, 1986). Đồng thời, tôi kết hợp với mô hình AR (1) để hồi quy biến lợi nhuận thị trường chứng khoán theo biến trễ của nó. Hàm ý của AR(1) là hành vi của chuỗi thời gian Rt phần lớn được xác định bởi giá trị trước đó của chính chuỗi thời gian đó.
Mô hình AR(1) - GARCH (1,1) cho lợi nhuận thị trường chứng khoán Rt của chỉ số VNIndex có dạng sau đây:
Rt = β1Rt-1 + β2nhietdo + β3doam + β4sogionang + β5luongmua + β6thanggieng + β7thuhai + ut (1)
Với ut ~ N (0,ht) và ht = γ0 + δ1ht-1 + γ1u2t-1 (2)
Phương trình (2) nói lên rằng phương sai ht bây giờ phụ thuộc vào cả giá trị quá khứ của những cú sốc, đại diện bởi các biến trễ của hạng nhiễu bình phương và các giá trị quá khứ của bản thân ht, đại diện bởi các biến ht-1
Trong đó, biến thanggieng là biến giả để kiểm định cho hiệu ứng tháng Giêng (bằng 1 cho tháng Giêng và 0 cho các tháng khác), thuhai là biến giả để kiểm định cho hiệu ứng thứ Hai (bằng 1 cho thứ Hai và 0 cho các thứ khác).
Hiệu ứng tháng Giêng là một nhân tố mùa vụ quan trọng, thị trường thường có những diễn biến khả quan và lợi nhuận chứng khoán tháng Giêng thường cao hơn so với lợi nhuận của 11 tháng khác trong năm. Hiệu ứng tháng Giêng cho rằng các cổ phiếu nhỏ và giá thấp bị giảm giá trong giao dịch năm trước đặc biệt sẽ tăng trong tháng Giêng (Cooper, McConnell, Ovtchinnikov (2006)). Lý thuyết tài chính hành vi giải thích diễn biến khả quan của thị trường chứng khoán trong tháng Giêng như sau:
vào dịp cuối năm, nhiều nhà đầu tư trên thị trường bán ra cổ phiếu để hiện thực hoá lợi nhuận hoặc cắt lỗ nhằm tránh phải nộp thuế, điều đó làm cho thị trường giảm giá và tăng bật lại trong tháng Giêng; đầu năm cũng là thời điểm người đi làm nhận được tiền thưởng sau cả năm làm việc nên có thể đầu tư trở lại vào thị trường chứng khoán, từ đó hỗ trợ cho thị trường tăng điểm; các nhà đầu tư tổ chức tái cơ cấu danh mục và giải ngân vào thị trường; …
Hiệu ứng thứ Hai là hiện tượng lợi nhuận chứng khoán vào ngày thứ Hai trung bình thấp hơn lợi nhuận của các ngày khác trong tuần. Các kết quả nghiên cứu cho thấy, hiệu ứng thứ Hai xuất hiện trên thị trường chứng khoán nhiều nước, cả những thị trường chứng khoán mới nổi cũng như những thị trường chứng khoán của các nước phát triển. Lợi nhuận trung bình giảm mạnh nhất vào ngày thứ Hai đầu tuần sau khoảng thời gian 2 ngày cuối tuần bị gián đoạn giao dịch được giải thích như sau: Trong khoảng thời gian gián đoạn này, tâm lý của những nhà đầu tư bị chi phối bởi nhiều yếu tố, đặc biệt là những thông tin xấu được đưa ra vào cuối tuần, gây ảnh hưởng đáng kể đến quyết định đầu tư ở ngày thứ Hai khi thị trường bắt đầu giao dịch trở lại.
Bảng 4. Kết quả mô hình AR(1) – GARCH(1,1)
Dependent Variable: LOINHUAN
Method: ML - ARCH (Marquardt) - Normal distribution
Sample (adjusted): 3/04/2002 12/28/2012
Included observations: 2696 after adjustments
Convergence achieved after 39 iterations
Presample variance: backcast (parameter = 0.7)
Variable Coefficient Std. Error z-Statistic Prob.
NHIETDO -1.73E-05 6.83E-05 -0.253638 0.7998
DOAM 8.13E-06 2.22E-05 0.365963 0.7144
SOGIONANG -4.74E-05 8.76E-05 -0.540767 0.5887
LUONGMUA -1.23E-05 1.61E-05 -0.764794 0.4444
THANGGIENG -0.000463 0.000600 -0.771695 0.4403 THUHAI -0.000396 0.000315 -1.256092 0.2091 AR(1) 0.237348 0.018630 12.73989 0.0000 Variance Equation C 3.10E-06 3.99E-07 7.761428 0.0000 RESID(-1)^2 0.271550 0.019433 13.97367 0.0000 GARCH(-1) 0.747583 0.013898 53.79167 0.0000
R-squared 0.073482 Mean dependent var 0.000282
Adjusted R-squared 0.070378 S.D. dependent var 0.015668
S.E. of regression 0.015107 Akaike info criterion -6.007898
Sum squared resid 0.613001 Schwarz criterion -5.986015
Log likelihood 8108.646 Hannan-Quinn criter. -5.999984
Inverted AR Roots .24
Kết quả mô hình AR(1) - GARCH (1,1) cho mối quan hệ thời tiết và lợi nhuận thị trường chứng khoán Việt Nam, có thể được viết lại như sau:
Rt = 0.237348Rt-1 - 1.73x10-5 nhietdo + 8.13x10-6doam - 4.74x10-5sogionang - 1.23x10-5luongmua - 0.000463thanggieng - 0.000396thuhai + ut
ht = 3.10x10-6 + 0.747583ht-1 + 0.271550u2t-1
Trong bảng kết quả ta nhận thấy rằng các hệ số δ1 ,γ0 , γ1 đều có ý nghĩa thống kê (p-value < α). Hệ số βcủa nhiệt độ, độ ẩm, số giờ nắng, lượng mưa, tháng Giêng, thứ Hai có p-value > α cho thấy không có mối quan hệ giữa các biến đó với lợi nhuận chứng khoán ở thị trường chứng khoán Việt Nam.
Hệ số β1 = 0.2373 của Rt-1 có p-value < α cho thấy có mối quan hệ giữa lợi nhuận chứng khoán ngày t và lợi nhuận chứng khoán ngày t-1 ở thị trường chứng chứng khoán Tp.HCM. Cụ thể, ở mức ý nghĩa 1%, khi Rt-1 tăng (giảm) 1% thì Rt tăng (giảm) 0.23 %.
Mặc dù, chỉ số R2 và R2 hiệu chỉnh thấp (khoảng 7%) nhưng kết quả nghiên cứu có thể đáng tin cậy vì thời tiết chỉ là một nhân tố nhỏ gián tiếp ảnh hưởng đến lợi nhuận thị trường chứng khoán thông qua việc thời tiết có ảnh hưởng đến tâm trạng của con người, dẫn đến ảnh hưởng đến việc ra quyết định của các nhà đầu tư, từ đó tác động lên lợi nhuận thị trường chứng khoán.
Bảng 5. Kết quả mô hình AR(1) – GARCH(1,1) với phân phối thường (Normal), phân phối Student’s-t và phân phối sai số tổng quát (GED)
Tp.HCM Normal Student’s-t GED
Mean equation AR(1) 0.237348 (12.73989)*** 0.249147(12.99699)*** 0.246974(12.84444)*** Nhiệt độ -1.73x10-5(-0.253638) 2.80 x10-5 (0.387981) 1.24 x10-5 (0.173623) Độ ẩm 8.13 x10-6 (0.365963) -9.23 x10-6 (-0.395156) -4.53 x10-6 (-0.195567) Số giờ nắng -4.74 x10-5 (-0.540767) -4.76 x10-5 (-0.580063) -3.63 x10-5 (-0.436142) Lượng mưa -1.23 x10-5 (-0.764794) -7.35 x10-6 (-0.521619) -8.03 x10-6 (-0.564010) Tháng Giêng -0.000463(-0.771695) -0.000315(-0.480236) -0.000184(-0.287053) Thứ Hai -0.000396(-1.256092) -0.000384(-1.199543) -0.000428(-1.322891) Variance equation γ0 3.10 x10-6 (7.761428)*** 1.66 x10-6 (4.194752)*** 2.31 x10-6 (5.015982)*** δ1 0.747583(53.79167)*** 0.748047(44.76113)*** 0.744914(42.81625)*** γ1 0.271550(13.97367)*** 0.295274(11.21330)*** 0.288162(11.26823)*** TDF 8.400536(7.568877)*** GED 1.498921(32.54214)*** AIC -6.007898 -6.037991 -6.030126 SBC -5.986015 -6.013920 -6.006055 Lưu ý : 1. *** biểu thị mức ý nghĩa 1%
2. Tham số TDF và GED mô tả độ dày của các đuôi phân phối 3. Giá trị t-statistics trong dấu ngoặc đơn