3.4.1. Mô hình chỉ số thị trƣờng
Dữ liệu áp dụng: Giá đ ng cửa của chỉ số VN30 và chỉ số VN-Index
Mục đích kiểm định mô hình:
- Kiểm định và kết luận về tính dừng của chỉ số VN30
- Kiểm định VN30 là chỉ số thụ động hoặc chủ động – không chịu ảnh hƣởng của thị trƣờng.
3.4.2. Mô hình GBM và mô hình phục hồi trung bình
Dữ liệu áp dụng: Giá mở cửa và đ ng cửa của chỉ số VN30
Mục đích kiểm định mô hình: tìm các kết quả ƣớc lƣợng sau từ mô hình phục hồi trung bình để phân tích: Tốc độ phục hồi, bán thời gian H, độ giao động của giá và mức cân bằng dài hạn.
3.4.3. Mô hình hồi quy
Dữ liệu áp dụng: giá cao nhất, giá thấp nhất; giá đ ng cửa và khối lƣợng giao dịch trong ngày tƣơng ứng của chỉ số VN30
Mục đích kiểm định mô hình:
- Xác định tính phụ thuộc hoặc độc lập của khối lƣợng giao dịch với độ chênh lệch giá và lợi suất của chỉ số VN30.
3.4.4. Mô hình Black – Scholes
Dữ liệu áp dụng: giá cao nhất, giá thấp nhất, giá đ ng cửa, giá mở cửa tƣơng ứng trong ngày của chỉ số VN30
Trình tự thực hiện:
- Tìm diễn biến giá của chỉ số VN30 trong thời gian xét.
- Xác định tốc độ tăng trƣởng và giá trị trung bình của chuỗi chỉ số.
- Kiểm định giả thuyết của mô hình định giá Black – Scholes bằng kiểm định Dickey – Fuller (DF) xét tính chất chuỗi dữ liệu Rt = Ln{St/St-1} và Ln{St}
- Xác định dữ liệu đầu vào của định giá quyền chọn: giá giao ngay, giá thực hiện, lãi suất phi rủi ro, độ lệch chuẩn của tỷ suất lợi nhuận.
- Tiến hành tìm dữ liệu đầu ra của định giá quyền chọn.
24
- Xác định dữ liệu đầu ra của định giá quyền chọn. - Xác định quyền chọn mua, quyền chọn bán.
3.5. NGHIÊN CỨU CHỈ SỐ VN30
3.5.1. Kiểm định tính dừng của chỉ số VN30 dựa trên chỉ số VN-Index làm chỉ số thị trƣờng số thị trƣờng
- Các số liệu phân tích dựa trên lợi suất của chỉ số VN30. Do giá của chỉ số là chuỗi thời gian nên lợi suất của chỉ số cũng là chuỗi thời gian. So sánh với tiêu chuẩn ADF.
- Tính chuỗi lợi suất của chuỗi chỉ số VN30 thông qua giá đ ng cửa của chỉ số VN30.
- Kiểm định nghiệm đơn vị (Unit Root Test) chuỗi lợi suất của chỉ số VN30 theo tiêu chuẩn ADF.
- Tính chuỗi lợi suất của chuỗi chỉ số VN-Index thông qua giá đ ng cửa của chỉ số VN-Index
- Ƣớc lƣợng hàm LS_VN30 = αVN30 + βVN30.LS_VnIndex bằng phƣơng pháp OLS với mức ý nghĩa 5%, tìm giá trị P-Value tƣơng ứng với giá trị của hệ số biến độc lập.
- Tái kiểm định bằng kiểm định Wald Testvà kiểm định White mô hình trên xác định khuyết tật mô hình nhƣ phƣơng sai sai số thay đổi, tự tƣơng quan bậc 1 và hàm sai (nếu có).
- Trƣờng hợp xảy ra khuyết tật mô hình, tiến hành tạo biến giả hoặc trọng số để khắc phục khuyết tật. (adsbygoogle = window.adsbygoogle || []).push({});
3.5.2. Mô tả động thái giá, phân tích diễn biến giá VN30 thực tế trên thị trƣờng.
- Tìm chuỗi LN(St) với St là giá mở cửa của chỉ số VN30 - Kiểm định chuỗi LN(St) theo tiêu chuẩn Jarque – Berra
- Nếu chuỗi LN(St) là phân phối chuẩn theo tiêu chuẩn Jarque – Berra, suy ra đáp ứng đƣợc mô hình GBM
- Nếu chuỗi LN(St) là phân phối không chuẩn theo tiêu chuẩn Jarque – Berra, suy ra không đáp ứng đƣợc điều kiện mô hình GBM; Với mức ý nghĩa 5%, giá trị P-
25
Value tƣơng ứng của hệ số biến LN(St)(-1) < 0,05 có thể bƣớc đầu kết luận định chuỗi LN(St) tuân theo mô hình phục hồi trung bình.
- Tiến hành kiểm định nghiệm đơn vị Unit Root Test
- Kiểm định xu hƣớng lợi suất của chỉ số VN30 trong chu kỳ ∆t là dạng tăng ổn định theo tỉ lệ thời gian hoặc biến động ngẫu nhiên không ổn định với mức độ dao động σ phù hợp với mô hình phục hồi trung bình bằng phƣơng pháp OLS.
- Kiểm định các khuyết tật của mô hình gồm phần dƣ, tự tƣơng quan, dạng hàm, phƣơng sai sai số thay đổi bằng kiểm định Wald, kiểm định BG, kiểm định Ramsey Reset.
3.5.3. Định giá quyền chọn chỉ số VN30
3.5.3.1. Kiểm định mô hình Black – Scholes với VN30
- Điều kiện mô hình Black – Scholes là: dữ liệu quá khứ chuỗi Rt phải có tính dừng, chuỗi lnSt là quá trình tuân theo phân phối chuẩn
- So sánh kết quả kiểm định với mức ý nghĩa 5%
3.5.3.2. Đánh giá độ biến động VN30
- Dựa trên dữ liệu quá khứ của chỉ số VN30 với bƣớc nhảy theo thời gian, xác định một số chỉ tiêu mức biến động tỷ suất sinh lợi của chỉ số VN30 nhƣ: giá trị trung bình, giá trị cao nhất, giá trị thấp nhất và độ biến động theo ngày với độ tin cậy xác định là 95%.
3.5.3.3. Định giá quyền chọn dựa trên mô hình Black – Scholes
- Dựa trên giá chỉ số tại một thời điểm xác định, giá thực hiện quyền chọn, thời gian thực hiện quyền chọn, lãi suất phi rủi ro và độ lệch chuẩn của tỷ suất lợi nhuận (độ biến động để tìm giá trị hiện tại của giá thực hiện.
3.5.4. Tính thanh khoản của VN30
Một tài sản có tính thanh khoản cao thƣờng đƣợc đặc trƣng bởi số lƣợng giao dịch lớn. Khối lƣợng giao dịch lớn thƣờng là thƣớc đo của tính thanh khoản.
- Xác định độ chênh lệch giá biến động trong ngày bằng giá cao nhất trừ giá thấp nhất của chỉ số
26
- Xác định chuỗi lợi suất của chỉ số VN30 thông qua giá đ ng cửa (đã thực hiện ở trên)
3.5.4.1. Kiểm định tính dừng của chuỗi khối lƣợng giao dịch VN30
- Kiểm định nghiệm đơn vị cho chuỗi giá và chuỗi khối lƣợng của chỉ số VN30 để kiểm định tính dừng thông qua tiêu chuẩn ADF; Kiểm tra tính dừng độ chênh lệch giá biến động trong ngày, và lợi suất của chỉ số VN30 (đã thực hiện) bằng kiểm định Unit Root Test
3.5.4.2. Thực hiện phƣơng pháp ƣớc lƣợng OLS
- Hồi quy khối lƣợng giao dịch theo chênh lệch giá mỗi ngày. - Hồi quy khối lƣợng giao dịch theo lợi suất của chuối chỉ số. - Xác định P-Value với mức ý nghĩa 5%.
27
CHƢƠNG 4
KẾT QUẢ NGHIÊN CỨU
4.1. KẾT QUẢ NGHIÊN CỨU VÀ CÁC KIỂM ĐỊNH (adsbygoogle = window.adsbygoogle || []).push({});
4.1.1. Kiểm định tính chủ động của chỉ số VN30 dựa trên chỉ số VN-Index làm chỉ số thị trƣờng chỉ số thị trƣờng
Tiến hành kiểm định tính dừng của chỉ số VN30 thông qua kiểm nghiệm đơn vị với chuỗi lợi suất của chuỗi chỉ số VN30.
Việc xác định tính dừng của chuỗi lợi suất VN30 rất quan trọng, vì việc phân tích hồi quy của dữ liệu liên quan đến chuỗi thời gian yêu cầu các dữ liệu phải có tính dừng. Nếu chuỗi dữ liệu không đạt trạng thái dừng thì các kiểm định t, F, và các kiểm định bình phƣơng c thể trở nên không đáng tin cậy. Căn cứ vào kiểm định đơn vị chuỗi lợi suất của VN30 (Phụ lục 1 – bảng A.1) nhận thấy:
t|ls_vn30| = 30,35541 > t|0.01| = 3,434852
> t|0.05| = 2,863415 > t|0.10| = 2,567817
Theo tiêu chuẩn ADF, kiểm định nghiệm đơn vị cho kết luận chuỗi lợi suất VN30 là chuỗi dừng.
Chuỗi lợi suất VN30 đạt trạng thái dừng đảm bảo cho việc các kiểm định thống kê dựa trên t, F, các kiểm định chi bình phƣơng của chuỗi lợi suất VN30 trở nên đáng tin cậy.
Ƣớc lƣợng mô hình chỉ số thị trƣờng với biến phụ thuộc là LS_VN30, biến độc lập là LS_VNIndex, tác giả đƣa ra hàm kiểm định nhƣ sau:
LS_VN30 = C + β * LS_VNIndex
Ƣớc lƣợng mô hình bằng phƣơng pháp OLS – phƣơng pháp bình phƣơng nhỏ nhất đƣợc bảng kết quả (Phụ lục 1 – Bảng A.2), cho thấy giá trị P tƣơng ứng với giá trị của hệ số biến độc lập C là 0,3245 khác 0, với mức ý nghĩa 5%, giá trị P của kiểm định F - Prob.(Kiểm định F) bằng 0 nhỏ hơn mức ý nghĩa 5%. Điều này cho thấy mô
28
hình kiểm định có tồn tại khuyết tật. Tác giả tiến hành kiểm định các khuyết tật và tìm phƣơng hƣớng loại bỏ các khuyết tật của mô hình.
Kiểm định các khuyết tật của mô hình:
- Kiểm định khuyết tật tồn tại phƣơng sai sai số thay đổi Đặt giả thuyết: H0: mô hình phƣơng sai đồng đều
H1: mô hình phƣơng sai thay đổi
Tiến hành kiểm định White xác định khuyết tật phƣơng sai thay đổi của chuỗi lợi suất VN30 (Phụ lục 1 – Bảng A.3)
Do giá trị P của kiểm định F bằng 0,00001 với mức ý nghĩa 5% nên bác bỏ giả thiết Ho – mô hình c phƣơng sai đồng đều, hay kết luận mô hình c phƣơng sai sai số thay đổi.
Khắc phục sự tồn tại phƣơng sai sai số thay đổi trong mô hình bằng cách tạo biến trọng số W =1/abs(resid)
Thông qua kiểm định (Phụ lục 1 – Bảng A.4) cho thấy, mô hình tồn tại trọng số W c độ phù hợp hệ số R2 hiệu chỉnh = 0,994853.
Với độ phù hợp của mô hình tồn tại trọng số W lên tới 99%, nhận thấy sự cần thiết sử dụng mô hình đã khắc phục phƣơng sai sai số thay đổi để tiếp tục đánh giá và kiểm định.
- Kiểm định khuyết tật tồn tại tự tƣơng quan
Với độ phù hợp 99% của mô hình tồn tại trong số, sử dụng mô hình trên để kiểm định tính tự tƣơng quan bậc 1 của phƣơng trình.
Đặt giả thuyết: H0 : không tồn tại tự tƣơng quan bậc 1 H1 : có tồn tại tự tƣơng quan bậc1
Tiến hành sử dụng kiểm định Breusch-Godfrey với mô hình hồi quy tồn tại trọng số W. Với Pro (Kiểm định F) bằng 0.541 lớn hơn mức ý nghĩa 5%, ta chấp nhận giả thuyết Ho, nên mô hình không tồn tại tính tự tƣơng quan bậc 1.
Trƣờng hợp sử dụng mô hình chƣa khắc phục trọng số W, tƣơng tự với kiểm định BG, cho thấy mô hình tồn tại tƣơng quan bậc 1, tiếp tục khắc phục mô hình sẽ đƣợc mô hình mới không tồn tại tính tự tƣơng quan bậc 1 (Phụ lục 1 – Bảng A.6, Bảng A.7)
29 Giả thuyết: H0: dạng hàm đúng
H1: dạng hàm sai
Tiến hành sử dụng kiểm định Ramsey Reset (Phụ lục 1 – Bảng A.8)
Với kiểm định Ramsey cho kết quả giá trị P của kiểm định F = 0,8868 lớn hơn mức ý nghĩa 5%, điều này công nhận giả thuyết H0 của mô hình. Nên mô hình ƣớc lƣợng là một mô hình chấp nhận đƣợc.
Sau các kiểm định và loại bỏ hết các khuyết tật còn tồn tại trong mô hình, tác giả xác định đƣợc hàm sau: (adsbygoogle = window.adsbygoogle || []).push({});
LS_VN30 = 0,389281*LS_VNINDEX + 0,000339
Với β = 0,389 < 1 nên chỉ số VN30 là chỉ số thụ động hay chỉ số có mức biến động yếu hơn so với biến động chung của thị trƣờng.
Nếu so sánh với các nghiên cứu trƣớc đây của tác giả Đỗ Thị Hạnh (2007) thì chỉ số VN30 có tính thụ động giống nhƣ chỉ số MCV, trong khi 3 cổ phiếu khác là BMC, HBC và SJS là các cổ phiếu chủ động. So sánh với thực tế diễn biến của thị trƣờng chứng khoán và tính chất khi đƣợc xác lập của thiết lập chỉ số VN30, kiểm định cho thấy sự phù hợp và chính xác, bởi lẽ, chỉ số VN30 vốn có tính minh bạch và ổn định hơn so với thị trƣờng chung, đồng thời ít chịu những cú sốc của thị trƣờng.
4.1.2. Động thái giá và diễn biến giá VN30 thực tế trên thị trƣờng
Kế thừa các nghiên cứu ứng dụng trƣớc, để đánh giá động thái giá và diễn biến giá của chỉ số VN30 trên thị trƣờng, tác giả tiến hành kiểm định phân phối ln của chuỗi giá mở cửa chỉ số VN30 theo tiêu chuẩn Jarque-Berra.
Việc kiểm định phân phối LN của chuỗi giá mở cửa chỉ số VN30 theo tiêu chuẩn Jarque – Berra sẽ giúp xác định chuỗi giá mở cửa c đáp ứng đƣợc tiêu chuẩn của mô hình GBM hay không, trong trƣờng hợp không tuân theo mô hình GBM, rất có thể chuỗi giá mở cửa VN30 sẽ tuân theo mô hình phục hồi trung bình
30
Hình 4.1: Phân phối LN của chuỗi giá mở cửa chỉ số VN30
0 50 100 150 200 250 300 5.4 5.6 5.8 6.0 6.2 6.4 Series: LN_OPENVN30 Sample 1/02/2009 7/31/2014 Observations 1389 Mean 6.175089 Median 6.183324 Maximum 6.535532 Minimum 5.442418 Std. Dev. 0.181871 Skewness -1.309420 Kurtosis 6.135250 Jarque-Bera 965.8243 Probability 0.000000
Kiểm định chuỗi ln giá mở cửa của chỉ số VN30 – LN(OpenVN30) theo tiêu chuẩn Jarque-Berra cho thấy chuỗi Ln(OpenVn30) có phân phối không chuẩn do giá trị P bằng 0 nhỏ hơn mức ý nghĩa 5%. Suy ra, chuỗi LN(OpenVN30) không tồn tại bƣớc ngẫu nhiên (random walk) nên chuỗi giá của chỉ số VN30 không đáp ứng đƣợc tiêu chuẩn của mô hình GBM.
Vì không đáp ứng đƣợc tiêu chuẩn của mô hình GBM, tác giả bƣớc đầu có thể nhận định, chuỗi chỉ số VN30 có thể sẽ tuân theo mô hình phục hồi trung bình.
Xét lƣợc đồ tƣơng quan của chuỗi LN(OpenVN30) (Phụ lục 2 – Hình B.1). Nhìn lƣợc đồ tự tƣơng quan với các kết quả tính toán cho hệ số tƣơng quan có thể thấy các hệ số tƣơng quan giảm dần theo hình sin, thể hiện quá trình AR(1).
Kiểm định nghiệm đơn vị để xét tính dừng của chuỗi LN(OpenVN30) Đặt giả thuyết: H0: β = 0
H1: β < 0
Nhƣ đã trình bày ở phần trên về tính dừng của chuỗi dữ liệu theo thời gian, cần thiết phải tiến hành kiểm định tính dừng của chuỗi LN(OpenVN30). Việc xác định tính dừng này sẽ đảm bảo các kiểm định t, F và các kiểm định bình phƣơng trở
31
nên chính xác hơn. Với kiểm định ADF theo tiêu chuẩn Akaike AIC có nội dung kiểm định trong Phụ lục 2 – Bảng B.1, cho kết quả:
t |D(lnopenvn30| = 35,81530 > t|0.01| = 3,434855 > t|0.05| = 2,863417
> t|0.10| = 2,567818
Vì giá trị kiểm định t chuỗi LN(OpenVN30) lớn hơn tất cả các trƣờng hợp kiểm tra giá trị quan trọng, nên có thể kết luận chuỗi LN(OpenVN30) là chuỗi dừng. Đồng thời thông qua kiểm định ADF chuỗi LN(OpenVN30) còn cho thấy với giá trị p kiểm định F của hệ số biến LN_OpenVn30(-1) bằng 0,0212 nhỏ hơn mức ý nghĩa 5%, có thể bác bỏ giả thuyết Ho với mức ý nghĩa 5%.
Tóm lại, quá trình chuỗi chỉ số VN30 tuân theo mô hình phục hồi trung bình. Tiến hành ƣớc lƣợng các tham số trong mô hình phục hồi trung bình bằng phƣơng pháp OLS. Tuy nhiên, thông qua ƣớc lƣợng tham số trong mô hình phục hồi trung bình (Phụ lục 2 – Bảng B.3), nhận thấy giá trị P tƣơng ứng giá trị của hệ số độc lập bằng 0,01 nhỏ hơn mức ý nghĩa 5% nên thiết cần tiến hành kiểm định và loại bỏ các khuyết tật của mô hình.
+ Kiểm định khuyết tật tự tƣơng quan bậc nhất:
Mô hình thông qua kiểm định Breusch-Godfrey thể hiện trong Phụ lục 2 – Bảng B.4 cho thấy không có khuyết tật tự tƣơng quan bậc nhất do giá trị P kiểm định F bằng 0,2616 lớn hơn mức ý nghĩa 5%.
+ Kiểm định khuyết tật phần dƣ mô hình:
Để kiểm định khuyết tật phần dƣ của mô hình, tác giả tạo thêm biến E – phần dƣ, tiến hành sử dụng kiểm định ADF kiểm tra nghiệm đơn vị và sự tồn tại của phần dƣ của mô hình.
Đặt giả thuyết: H0: tồn tại phần dƣ trong mô hình
H1: không tồn tại phần dƣ trong mô hình
Qua kiểm định nhận thấy (Phụ lục 2 – Bảng B.5), phần dƣ của mô hình là nhiễu trắng do giá trị p bằng 0 nhỏ hơn mức ý nghĩa 5%, bác bỏ giả thuyết H0 tồn tại phần dƣ. Kết luận mô hình nghiên cứu không tồn tại khuyết tật phần dƣ mô hình.
32 + Kiểm định dạng hàm đúng sai:
Đặt giả thuyết: H0: mô hình có dạng hàm đúng H1: mô hình có dạng hàm sai (adsbygoogle = window.adsbygoogle || []).push({});
Theo kiểm định Ramsey Reset (Phụ luc 2 – Bảng B.6), cho thấy mô hình có dạng hàm đúng do giá trị P của các biến và hệ số độc lập đều có giá trị lớn hơn mức