3.2.1. Nguồn dữ liệu
Tổng số mã chứng khoán niêm yết tính ñến cuối năm 2011 trên sàn HOSE là 310, còn trên sàn HNX là 352. Luận văn này sẽ sử dụng số lượng ñể nghiên cứu là 100 mã chứng khoán cho mỗi sàn. Kích thước mẫu như thế cũng sẽñảm bảo kết quả hồi quy mang ý nghĩa.
Thời gian thu thập là từ 04/01/2011 ñến 30/12/2011. Mặc dù thời gian này ñược ñánh giá là khá ảm ñạm nhưng năm 2011 cũng là thời gian chính phủñã ban hành nhiều quy ñịnh về thị trường chứng khoán như Thông tư 74 về margin, tài khoản giao dịch, giao dịch cổ phiếu cùng phiên. Luật chứng khoán sửa ñổi có hiệu lực từ ngày 01/07/2011 cũng hy vọng tạo cú hích cho thị trường, ñặc biệt là các quy ñịnh xử phạt liên quan ñến vi phạm công bố thông tin trên thị trường, do ñó năm 2011 cũng là thời ñiểm thích hợp ñể ñánh giá tính hiệu quả về mặt thông tin của thị trường chứng khoán.
Dữ liệu giao dịch trên sàn chứng khoán Tp.HCM và Hà Nội là dữ liệu vào phiên giao dịch
2Định nghĩa về nhà ñầu tư tổ chức ñược tham khảo từ trang tài chính Investorwords: http://www.investorwords.com/2504/institutional_investor.html#ixzz1nw4daC1g
cuối ngày trên hai sàn HOSE và HNX. Dữ liệu này ñược thu thập thông qua cơ sở dữ liệu của công ty chứng khoán VNDIRECT (http://www.vndirect.com.vn), công ty chứng khoán FPTS (http://fpts.com.vn) và trang tin tài chính CAFEF (cafef.vn) với thông tin bao gồm: mã cổ phiếu, ngày giao dịch, giá và khối lượng ñặt của 3 dư mua tốt nhất và 3 dư bán tốt nhất trên thị trường vào lúc thị trường ñóng cửa, giá ñóng cửa và tổng khối lượng khớp lệnh (loại trừ khối lượng giao dịch thỏa thuận) của mã chứng khoán trong toàn bộ phiên giao dịch. Việc sử dụng giá mua và giá bán cuối ngày cũng phù hợp với lý thuyết, vì theo George và các cộng sự (1991) và Kim và Ogden (1996), chuỗi giá mua-bán ñược sử dụng là chuỗi giá mua-bán ñóng cửa cuối ngày giao dịch, nó tượng trưng cho chuỗi giá mua-bán là chuỗi liền kề của giao dịch trước ñó. Vì vậy lấy thông tin báo giá ñược thể hiện vào cuối ngày là hoàn toàn phù hợp.
Dữ liệu về các chỉ số tài chính ñược lấy từ báo cáo tài chính ñược công bố vào cuối năm 2011 (sẽ lấy báo cáo hợp nhất công ty nếu có). Các báo cáo tài chính này ñược công bố trên cả hai sàn HOSE và HNX.
Dữ liệu về số lượng các nhà ñầu tư tổ chức (trong và ngoài nước), ñồng thời thành phần nắm giữ của các nhà ñầu tư tổ chức ñó ñược lấy từ trang web thông tin tài chính Stockbiz tại ñịa chỉ: http://www.stockbiz.vn
Dữ liệu về lĩnh vực mà công ty hoạt ñộng ñược lấy từ báo cáo Market Review của công ty chứng khoán Quốc tế VISecurities (VIS) tại ñịa chỉ: www.vise.com.vn. Thông tin phân ngành này ñược VIS phân loại dựa vào tiêu chuẩn ICB (Industrial Classification Benchmark) khá thông dụng trên thế giới. Theo ñó, nếu một công ty hoạt ñộng ña ngành thì tạm thời căn cứ vào tỷ trọng của ngành nào trong cơ cấu doanh thu của công ty lớn nhất thì ñó là ngành mà công ty hoạt ñộng chính.
3.2.2. Phương pháp xử lý số liệu
Dữ liệu sau khi thu thập ñược xử lý sơ bộ bằng công cụ Microsoft Excel và phải ñảm bảo các tiêu chí sau:
• Dữ liệu của các mã chứng khoán ñược phân tích riêng cho hai sàn HOSE và HNX ñểñánh giá riêng lẻñặc ñiểm của hai sàn.
• Giá mua (bid price) là giá mua 1, tức giá mua tốt nhất, nếu giá mua 1 không tồn tại thì lấy giá mua 2 hoặc 3.
• Tương tự, giá bán (ask price) là giá bán 1, tức mức giá bán tốt nhất, nếu không tồn tại giá bán 1 thì lần lượt ưu tiên cho giá bán 2 và 3.
• Một vấn ñề quan trọng nữa là nếu trong thời gian xem xét, cổ phiếu có các sự kiện như phát hành thêm quyền mua cổ phiếu, chia thưởng bằng tiền mặt, chia thưởng bằng cổ phiếu, chi trả cổ tức bằng tiền mặt và cổ phiếu thì giá mua-bán (tính từ trước ngày giao dịch không hưởng quyền trở về trước) cũng lần lượt ñược ñiều chỉnh theo tỷ lệ chia tách ñể phản ánh sự thay ñổi về giá chào mua-bán thật sự của cổ phiếu chứ không phải do sự biến ñộng bất thường của giá cổ phiếu (thông tin về ngày giao dịch không hưởng quyền ñược tham khảo từ HOSE, HNX và CAFEF), ñiều này cũng phù hợp khi sử dụng giá mua-bán này ñể tính suất sinh lợi theo giá trung bình của giá mua-bán ở trong mô hình hồi quy 3.1. Công thức tính giá tham chiếu vào ngày giao dịch không hưởng quyền ñược sử dụng từ công thức tính của HOSE (tham khảo thêm phụ lục 1)
Ví dụ: cổ phiếu A có sự kiện chia thưởng cổ tức bằng cổ phiếu với tỷ lệ: 100 cổ phiếu ñang có sẽñược nhận 12 cổ phiểu thưởng, ngày giao dịch hưởng quyền là ngày 18/07/2011, thì giá mua-bán kể từ ngày 17/07/2011 trở về trước ñược ñiều chỉnh giảm theo tỷ lệ:
giá mua mới (hoặc giá bán mới) = giá mua cũ * (hoặc giá bán cũ) * 100112 (3.7)
• Giá trung bình giữa giá mua và giá bán (midpoint) là giá trị trung bình của giá mua và giá bán cuối ngày, tức ñược tính theo công thức:
Pm = ask+ bid 2 (3.8)
• Khoảng báo giá (spreadquote ): là tỷ lệ phần trăm của chêch lệnh giữa giá bán và giá mua so với giá trung bình, tức tính theo công thức:
Sq = ask-bid P
m * 100 (%) (3.9)
• Suất sinh lợi tính trên giá giao dịch cho mỗi cổ phiếu hằng ngày ñược tính theo công thức: Rt=P Pt-Pt-1
t-1 Với Pt là giá ñóng cửa ñã ñược ñiều chỉnh theo các sự kiện phân chia cổ tức hoặc phát thành thêm cổ phiếu. (3.10)
• Suất sinh lợi tính trên giá trung bình (midpoint) của giá mua-giá bán ñược tính theo công thức: Rm = P Pm-Pm-1
m-1 (3.11)
• Sự khác biệt giữa Rt và Rm ñược ñịnh nghĩa là RDt = Rt - Rm (3.12) Các dữ liệu khác ñược sử dụng trực tiếp từ nguồn dữ liệu thứ cấp thu thập ñược.
Từñây, dựa trên nguồn dữ liệu thu thập ñược, bằng hai công cụ Eview 6 và Microsoft Excel, tác giả tiến hành kiểm ñịnh mô hình hồi quy ñể trả lời cho hai câu hỏi nghiên cứu mà ñề tài tập trung ñến.
Như vậy, Chương 3 này ñã lần lượt trình bày các bước xây dựng mô hình hồi quy ñể trả lời cho hai câu hỏi nghiên cứu ở Chương 1, tiếp ñến trình bày ñến nguồn dữ liệu thu thập và cách thức xử lý dữ liệu. Cuối cùng là giới thiệu các công cụ phân tích ñịnh lượng ñể ứng dụng vào ñề tài. Chương kế tiếp sẽ trình bày kết quả nghiên cứu dựa trên dữ liệu thu thập ñược.
CHƯƠNG 4. PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU (adsbygoogle = window.adsbygoogle || []).push({});
Chương này sẽ lần lượt trình bày ñặc ñiểm dữ liệu thu thập ñược, kết quả mô hình hồi quy cho hai mô hình nghiên cứu về mức ñộ bất cân xứng thông tin và các yếu tố tác ñộng ñến mức ñộ bất cân xứng thông tin cho lần lượt hai sàn HOSE và HNX. Cuối cùng là phần tóm tắt ñối với kết quả thu ñược.
4.1. Phân tích dữ liệu
Dữ liệu mô tả cho hai sàn HOSE và HNX ñược lấy từ các nhóm ngành khác nhau. Cơ cấu ngành ñược lấy khá ña dạng nhưng tập trung chủ yếu vào nhóm các ngành sau: Công nghiệp, tài chính và hàng tiêu dùng. Các ngành này là các ngành có số lượng cổ phiếu lớn nhất trên thị trường. Việc nghiên cứu tập trung vào nhóm này sẽ phản ánh khá sát bản chất của thị trường. Ngoài ra một số ngành khác với tỷ trọng nhỏ hơn cũng ñược thêm vào.
Giá trị của chênh lệch ước tính (Si) và giá trị hệ số Kim và Ogden trung bình ñược tính toán theo phương trình (3.2) và (3.4) cho kết quả như sau:
Bảng 4.1. Cơ cấu ngành trên sàn HOSE Lĩnh vực Số công ty ñược chọn Giá trị Si trung bình Giá trị hệ số Kim và Ogden trung bình Dầu khí và nguyên liệu cơ bản 1 31.22% 42.13% Công nghiệp 21 37.96% 76.27% Hàng tiêu dùng 46 39.17% 75.4% Tài chính 31 39.17% 73.2% Công nghệ 1 16.48% 47.53% Tổng cộng 100 38.61% 74.29% (Nguồn: tổng hợp từ công ty chứng khoán VNDIRECT, công ty chứng khoán FPTS, trang tin
Bảng 4.2. Cơ cấu ngành trên sàn HNX Lĩnh vực Số công ty ñược chọn Giá trị Si trung bình Giá trị hệ số Kim và Ogden trung bình Dầu khí và nguyên liệu cơ bản 16 45.2% 94.92% Công nghiệp 26 41.28% 108.71% Hàng tiêu dùng 21 43.56% 105.74% Tài chính 37 41.78% 82.71% Tổng cộng 100 42.57% 96.26% (Nguồn: tổng hợp từ công ty chứng khoán VNDIRECT, công ty chứng khoán FPTS, trang tin
tài chính CAFEF, sàn HOSE, sàn HNX)
Nhìn theo cơ cấu thì giá trị chênh lệch ước tính (Si) và giá trị hệ số Kim và Ogden trên sàn HOSE nhỏ hơn so với trên sàn HNX. Đồng thời tỷ lệ chênh lệch giữa Si và giá trị hệ số Kim và Ogden của cả hai sàn là khá lớn, tỷ lệ chênh lệnh này theo Kim và Ogden chính là giá trị của chi phí AI mà phần tiếp theo chúng ta sẽ tính toán cụ thể.
4.2. Kết quả hồi quy và kiểm ñịnh giả thuyết 4.2.1. Mức ñộ bất cân xứng thông tin 4.2.1. Mức ñộ bất cân xứng thông tin
Kết quả kiểm ñịnh mô hình hồi quy (3.1) ñể xác ñịnh mức ñộ chi phí bất cân xứng thông tin lần lượt cho hai sàn HOSE và HNX như sau: (Kết quả chi tiết ñược trình bày trong phụ lục 2 và 3 của luận văn này). Bảng 4.3. Kết quả hồi quy mô hình 3.1 Biến ñộc lập Sàn HOSE Sàn HNX β0 0.141**** 0.326**** β1 0.33**** 0.10**** R2ñiều chỉnh 74.16% 13.4% ****: có ý nghĩa tại mức 1%
Theo nghiên cứu như của Kim và Ogden, các tác giả này không quan tâm ñến năng lực giải thích của mô hình mà chỉ tập trung vào mức ý nghĩa của các giá trịước lượng ñểước tính mức ñộ bất cân xứng thông tin. Vì vậy trong mô hình 3.1, chúng ta có các biến ước lượng ñều
có ý nghĩa về mặt thống kê ở mức 1%. Kết quả ước tính này cho thấy rằng trên sàn HOSE, chi phí xử lý lệnh là 33%, còn chi phí AI là 67%. Còn trên sàn HNX, chi phí xử lý lệnh chỉ có 10%, còn chi phí AI lên ñến 90%. Một kết quả chênh lệch khá thú vị. Kết quả này khẳng ñịnh rằng: mức ñộ AI trên sàn HNX cao hơn nhiều so với sàn HOSE.
Đồng thời cả hai mức ñộ bất cân xứng thông tin này nếu so với một số quốc gia khác thì cao hơn hẳn. Điển hình là cùng mô hình nghiên cứu của Kim và Ogden trên thị trường NYSE cho thấy mức ñộ AI của sàn này là 50% (căn cứ vào dữ liệu của năm 1996). Nghiên cứu của Giouvris và Philipptaos trên sàn chứng khoán London (2008) cho thấy mức ñộ bất cân xứng thông tin chỉ mức 32% cho các chứng khoán trong chỉ số FTSE100 và ở mức 67% cho các chứng khoán trong chỉ số FTSE250 sau khi chuyển sang hình thức giao dịch ñiện tử liên tục.
4.2.2. Các yếu tố tác ñộng ñến bất cân xứng thông tin
Sau khi ñánh giá mức ñộ bất cân xứng thông tin, phần này sẽ trình bày kết quả nghiên cứu các yếu tố có liên hệ chặt chẽ với mức ñộ AI, ñược biểu hiện qua mô hình hồi quy của biến phụ thuộc (mức ñộ bất cân xứng thông tin của các mã chứng khoán) và các biến ñộc lập mô tảñặc ñiểm riêng của từng công ty niêm yết trên sàn, theo mô hình (3.6).
Trên HOSE, mối quan hệ giữa các biến ñộc lập ñược mô tả như bảng (4.4), theo mẫu quan sát thì khối lượng giao dịch trung bình hằng ngày là 141 nghìn ñơn vị, trong ñó có những cổ phiếu có mức giao dịch khá lớn ñạt 1,5 triệu ñơn vị một ngày nhưng cũng có những mã cổ phiếu chỉñạt mức 414 ñơn vị một ngày. Giá trị vốn hóa trị trường ñạt trung bình là 4 nghìn tỷ ñồng, trong ñó có những công ty có giá trị niêm yết là 52 nghìn tỷñồng nhưng cũng có những công ty chỉ có giá trị niêm yết là hơn 28 tỷ ñồng. Về số lượng các nhà ñầu tư tổ chức và tỷ trọng số cổ phần mà họ nắm giữ thì nhìn chung khá thấp. Theo thống kê chỉ có khoảng 20% số cổ phần của các công ty là do các tổ chức tài chính nắm giữ với số lượng các nhà ñầu tư tổ chức ñạt gần 4 thành viên cho mỗi công ty về giá trị trung bình. Vềñòn bẩy tài chính thì mức trung bình của mẫu là 55%, tức hơn một nửa giá trị tài sản của các công ty là do ñi vay hoặc có liên quan ñến khoản nợ phải trả. Về tỷ trọng của tài sản vô hình trên tổng tài sản thì mức ñộ rất thấp, trung bình chỉñạt 3%, nhưng cá biệt cũng có công ty có tỷ trọng này lên ñến 24%.
Bảng 4.4. Dữ liệu mô tả các công ty niêm yết trên sàn HOSE
Số
thứ
tự
Biến Giá trị trung bình Giá trị lớn nhất Giá trị nhỏ
nhất Độ lệch chuẩn Số quan sát 1 VOL 141,499 1,537,478 414 255,038 100 2 PRI 19,858.20 106,600.50 2,955.14 17,479.65 100 3 VAR 43,589,873 672,000,000 691,188 98,207,090 100 4 SIGR 0.03 0.08 0.01 0.01 100 5 SIGVOL 132,739.90 1,043,643.00 1,290.23 204,372.40 100 6 LEVG 0.55 1.48 0.10 0.24 100 7 INTGA 0.03 0.24 - 0.04 100 8 NMB 1.07 5.85 (0.21) 0.84 100 9 NMVE 4,170,000,000,000 52,500,000,000,000 28,400,000,000 11,100,000,000,000 100 10 PINST 0.20 0.92 - 0.19 100 11 INST 3.54 17.00 - 3.55 100
(Nguồn: tổng hợp từ công ty chứng khoán VNDIRECT, công ty chứng khoán FPTS, trang tin tài chính CAFEF, sàn HOSE, sàn HNX)
Kết quả hồi quy ở phần 4.2.1 ñược dùng ñểước tính mức ñộ bất cân xứng thông tin cho mỗi mã chứng khoán theo phương trình (3.5). Mối quan hệ giữa giá trị này và các biến mô tảñặc ñiểm riêng của từng công ty ñược thể hiện theo bảng sau:
Bảng 4.5. Hệ số tương quan giữa các biến ñộc lập với biến phụ thuộc asym, sàn HOSE
ASYM VOL PRI VAR SIGR SIGVOL LEVG INTGTA NMB NMVE PINST INST ASYM 1.0 VOL 0.2 1.0 PRI 0.1 0.0 1.0 VAR -0.1 0.0 0.9 1.0 SIGR -0.6 -0.1 -0.1 0.1 1.0 SIGVOL 0.1 1.0 0.0 0.0 -0.1 1.0 LEVG -0.2 0.0 -0.1 0.0 0.2 0.0 1.0 INTGTA 0.1 -0.1 0.0 0.0 0.0 -0.2 -0.2 1.0 NMB -0.1 0.1 0.7 0.7 0.1 0.1 0.1 0.1 1.0 NMVE 0.1 0.2 0.7 0.6 -0.1 0.3 0.1 -0.1 0.6 1.0 PINST 0.2 0.1 0.3 0.1 -0.2 0.1 -0.2 -0.1 0.0 0.1 1.0 INST 0.4 0.3 0.3 0.1 -0.3 0.3 -0.2 0.0 0.1 0.1 0.7 1.0
Có thể thấy hầu hết các biến ñộc lập ñều không thể hiện mối tương quan chặt với biến asym. Tuy nhiên trong mô hình phân tích của Van Ness và các cộng sự (2001), các tác giả này ñề xuất sử dụng mô hình tuyến tính- logarithm ñể phân tích.
Đầu tiên, chạy mô hình hồi quy (3.6) cho sàn HOSE với biến ñộc lập liên quan ñến giao dịch, gồm có VOL, PRI, VAR, SIGVOL, SIGR, kết quả chi tiết ñược cho ở phần phục lục 4
Bảng 4.6. Kết quảước lượng mô hình 3.6 với các biến liên quan ñến giao dịch, sàn HOSE
Tên biến Giá trị Hằng số -0.09 Ln(vol) 0.033*** Ln(Sigvol) -0.033** Ln(pri) 0.115**** Ln(var) -0.063**** Ln(sigr) -0.159**** R2ñiều chỉnh 67.28% Trị kiểm ñịnh Durbin-Watson 1.73 Trị kiểm ñịnh AIC -2.62 (adsbygoogle = window.adsbygoogle || []).push({});