3.3.1.Kiểm định tính dừng
Trong bài nghiên cứu này, tác giả sử dụng phương pháp Dickey Fuller kiểm định nghiệm đơn vị. Với giả thuyết:
H0: Chuỗi dữ liệu không dừng H1: Chuỗi dữ liệu dừng
3.3.2.Kiểm định tự tương quan
Để phát hiện tình trạng tự tương quan, tác giả đã sử dụng kiểm định Durbin Watson. Nếu hệ số Durbin Watson nằm trong khoảng (1,2) thì mô hình sẽ không có hiện tượng tự tương quan. Nhưng nếu nằm ngoài khoảng này thì ta phải tiến hành khắc phục hiện tượng tự tương quan bằng phương pháp Newey – West Heteroskedasticity.
3.3.3.Kiểm định đa cộng tuyến
Trong bài nghiên cứu này, tác giả đã sử dụng hệ số phóng đại phương sai VIF để kiểm định hiện tượng đa cộng tuyến. Theo quy tắc kinh nghiệm, khi VIFj>10 thì mức độ đa cộng tuyến được xem là cao và khi đó các hệ số hồi quy được ước lượng với độ chính xác không cao. Do đó, các biến có hệ số VIF lớn hơn 10 sẽ bị loại ra khỏi mô hình và tiếp tục phân tích hồi quy cho đến khi không còn biến nào có giá trị VIF lớn hơn 10, tức là không còn hiện tượng đa cộng tuyến.
3.3.4.Kiểm định phương sai thay đổi
Để kiểm định sự vi phạm giả thiết này, tác giả sử dụng kiểm định White. Với giả thuyết
H0 : không có hiện tượng phương sai thay đổi. H1: có hiện tượng phương sai thay đổi.
Nếu có hiện tượng phương sai thay đổi, tác giả sẽ tiến hành khắc phục bằng cách đưa thêm tùy chọn robust - hồi quy với sai số chuẩn mạnh - vào lệnh hồi quy.
3.3.5.Các giả thiết liên quan đến câu hỏi nghiên cứu
Để trả lời được các câu hỏi nghiên cứu đã đặt ra, tác giả sẽ tiến hành kiểm định các cặp giả thuyết sau:
Đối với câu hỏi thứ nhất, tác giả đã tiến hành kiểm tra xem hành vi bầy đàn có thực sự tồn tại trên thị trường HOSE và HNX hay không bằng hai phương pháp phương pháp độ lệch chuẩn dữ liệu chéo và phương pháp độ lệch tuyệt đối dữ liệu chéo. Với dữ liệu tỷ suất sinh lợi hàng ngày trên thị trường HOSE, tác giả đã kiểm định các cặp giả thuyết sau:
Giả thuyết 1: H0 βL ≥ 0: không tồn tại hành vi bầy đàn. H1 βL < 0: có tồn tại hành vi bầy đàn .
Giả thuyết 2: H0 βU ≥ 0: không tồn tại hành vi bầy đàn. H1 βU < 0: có tồn tại hành vi bầy đàn.
Giả thuyết 3: H0 β1UP ≥ 0: không tồn tại hành vi bầy đàn. H1 β1UP < 0: có tồn tại hành vi bầy đàn.
Giả thuyết 4: H0 β2UP ≥ 0: không tồn tại hành vi bầy đàn. H1 β2UP < 0: có tồn tại hành vi bầy đàn.
Giả thuyết 5: H0 β1DOWN ≥ 0: không tồn tại hành vi bầy đàn. H1 β1 DOWN < 0: có tồn tại hành vi bầy đàn.
Giả thuyết 6: H0 β2 DOWN ≥ 0: không tồn tại hành vi bầy đàn. H1 β2 DOWN < 0: có tồn tại hành vi bầy đàn.
Nếu một trong các cặp giả thuyết trên có giả thuyết H0 bị từ chối tức là hành vi bầy đàn thực sự có tồn tại.
Tính bầy đàn trên thị trường NX cũng được kiểm định với các giả thuyết tương tự như trên sàn OSE.
Đối với câu hỏi thứ hai, khi đã xác định được hành vi bầy đàn có thực sự tồn tại trong thị trường nghiên cứu, tác giả tiếp tục kiểm tra tính tương đồng của hành vi bầy đàn khi thị trường tăng và khi thị trường giảm bằng cách sử dụng kiểm định χ2 nhằm kiểm định các cặp giả thuyết sau:
Giả thuyết 1: H0 βL = βU hành vi bầy đàn tương đồng khi thị trường tăng và giảm. H1 βL ≠ βU hành vi bầy đàn không tương đồng khi thị trường tăng và giảm.
Giả thuyết 2: H0 β1UP = β1DOWN hành vi bầy đàn tương đồng khi thị trường tăng và giảm.
H1 β1UP ≠ β1DOWN hành vi bầy đàn không tương đồng khi thị trường tăng và giảm.
Giả thuyết 3: H0 β2UP = β2DOWN hành vi bầy đàn tương đồng khi thị trường tăng và giảm.
H1 β2UP ≠ β2DOWN hành vi bầy đàn không tương đồng khi thị trường tăng và giảm.
Nếu một trong các cặp giả thuyết trên có giả thuyết H0 bị bác bỏ, tức là hành vi bầy đàn khi trường tăng và khi thị trường giảm có sự khác biệt rõ rang.
Tính tương đồng của hành vi bầy đàn được kiểm định cho thị trường HOSE, HNX, danh mục HO_large, HO_small, HN_large và HN_small với dữ liệu ngày và tuần theo các cặp giả thuyết trên.
Đối với câu hỏi thứ 3, để trả lời cho câu hỏi này, tác giả đã tiến hành kiểm định sự tồn tại của hành vi bầy đàn trên sàn OSE và NX với các cặp giả thuyết tương tự như trong câu hỏi thứ nhất nhưng thay dữ liệu ngày bằng dữ liệu tuần. (adsbygoogle = window.adsbygoogle || []).push({});
Đối với câu hỏi thứ tư, nhằm kiểm tra hành vi bầy đàn có bị ảnh hưởng bởi quy mô công ty hay không. Tác giả đã quan sát từng thị trường trên hai nhóm cổ phiếu: nhóm cổ phiếu có quy mô vốn hóa lớn và nhóm cổ phiếu có quy mô vốn hóa nhỏ. Cụ thể, thị trường HOSE gồm 2 nhóm: HO_large và HO_small; thị trường HNX gồm 2 nhóm: N_large và N_small. Sau đó tiến hành kiểm kiểm định các giả thuyết như trong câu hỏi thứ nhất cho từng nhóm cổ phiếu của mỗi thị trường với dữ liệu ngày và tuần để kiểm tra xem hành vi bầy đàn có thực sự tồn tại trong nhóm cổ phiếu có quy mô vốn hóa lớn và nhỏ hay không.
Kết luận chương 3
Bài nghiên cứu này được thực hiện bằng phương pháp nghiên cứu định lượng với mẫu quan sát gồm giá đóng cửa hàng ngày, hàng tuần của 303 cổ phiếu trên thị trường HOSE và 371 cổ phiếu niêm yết trên thị trường NX trong giai đoạn từ ngày 02/01/2009 – 31/03/2014. Với việc xác định mô hình nghiên cứu theo hai phương pháp phương pháp của Christies và Huang (1995) và phương pháp của Chang, Cheng và Khorana (2000). Tác giả đã tiến hành biến đổi, xử lý dữ liệu cũng như xác định các giả thuyết cần thiết phải kiểm định để đưa ra bằng chứng thực nghiệm về hành vi bầy đàn. Bên cạnh đó, tác giả cũng đã quan sát từng thị trường trên hai nhóm cổ phiếu - nhóm cổ phiếu có giá trị vốn hóa lớn và nhóm cổ phiếu có giá trị vốn hóa nhỏ - và thực hiện các kiểm định để xem xét xem hành vi bầy đàn có ảnh hưởng bởi quy mô công ty hay không.
CHƯƠNG 4.KẾT QUẢ NGHIÊN CỨU
Mục tiêu của chương này trình bày kết quả nghiên cứu, trong đó bao gồm thống kê mô tả dữ liệu, các kiểm định sơ bộ, trình bày kết quả kết quả nghiên cứu chính của đề tài thông qua giải quyết các câu hỏi nghiên cứu đã đặt ra. Và cuối cùng là thảo luận kết quả thu được.
4.1. Thống kê mô tả:
Phân tích thống kê mô tả được thực hiện nhằm mục đích tóm tắt đặc điểm của dữ liệu. Thống kê mô tả phân tích các chỉ tiêu phổ biến như giá trị trung bình, độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất… ết quả thống kê mô tả được trình bày như sau:
Bảng 4.1: Thống kê mô tả Rmt, CSSD và CSAD của thị trường HOSE và HNX theo dữ liệu ngày: HOSE HNX Rmt CSSD CSAD Rmt CSSD CSAD Obs 1304 1304 1304 1304 1304 1304 Mean 0.0006 0.0252 0.0194 0.0001 0.0342 0.0251 Std.Dev 0.0147 0.0045 0.004 0.0186 0.0046 0.0048 Min -0.0467 0.0034 0.0019 -0.0653 0.0061 0.0035 Max 0.0476 0.0424 0.0398 0.0694 0.0566 0.0484
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata 11.0)
Bảng 4.1 mô tả dữ liệu được sử dụng trong kiểm định cho thị trường HOSE và HNX. Có tổng cộng 1304 quan sát khi xem một quan sát là một ngày giao dịch. Rmt, CSSD và CSAD được quan sát theo ngày giao dịch. Tỷ suất sinh lợi tối đa của 1 ngày giao dịch trên thị trường HOSE là 4.76% và mức giảm mạnh nhất là -4.67%. Thị trường HNX
ghi nhận mức biến động tỷ suất sinh lợi cao hơn trên thị trường OSE. Theo đó, mức tăng mạnh nhất ghi nhận là 6.94% và mức giảm mạnh nhất là -6.53%.
Bảng .2 cũng được thiết lập như bảng .1 nhưng theo dữ liệu tuần. Có tổng cộng 268 quan sát với một quan sát là ngày giao dịch cuối cùng của một tuần. Các biến Rmt, CSSD và CSAD được quan sát theo tuần giao dịch. Mức tỷ suất sinh lợi cao nhất theo tuần trên thị trường HOSE là 16.29% và mức thấp nhất là -11.73%. Giá trị CSSD và CSAD ghi nhận mức cao nhất lần lượt là 10.34% và 8.39% và mức thấp nhất lần lượt là 3.09% và 2.42%. Thị trường HNX theo tuần vẫn ghi nhận mức độ biến động cao hơn trên thị trường HOSE. Mức tăng mạnh nhất và mức giảm mạnh nhất của tỷ suất sinh lợi lần lượt là 17.62% và -15.89%. CSSD ghi nhận mức cao nhất trên sàn HNX là 13.99% và mức thấp nhất là 3.59%. Giá trị cao nhất và thấp nhất của CSAD là 10.95% và 1.3%. Nhìn chung, giá trị của các biến Rmt, CSSD, CSAD trên hai thị trường HOSE và HNX theo dữ liệu tuần biến động mạnh hơn rất nhiều so với dữ liệu ngày.
Bảng 4.2: Thống kê mô tả Rmt, CSSD và CSAD của thị trường HOSE và HNX theo dữ liệu tuần: HOSE HNX Rmt CSSD CSAD Rmt CSSD CSAD Obs 268 268 268 268 268 268 Mean 0.0031 0.0589 0.0434 0.0004 0.0737 0.0233 Std.Dev 0.0371 0.0136 0.0114 0.0446 0.0162 0.0265 Min -0.1173 0.0309 0.0242 -0.1589 0.0359 0.0013 Max 0.1629 0.1034 0.0839 0.1762 0.1399 0.1095
Việc quan sát mỗi thị trường theo hai nhóm: nhóm cổ phiếu có giá trị vốn hóa lớn và nhóm cổ phiếu có giá trị vốn hóa nhỏ nhằm mục đích phân tích hành vi bầy đàn ảnh hưởng theo quy mô cổ phiếu.
Bảng 4.3 và 4.4 mô tả dữ liệu được sử dụng trong kiểm định cho hai nhóm cổ phiếu trên thị trường HOSE theo dữ liệu ngày và tuần. Trong đó, bảng 4.3 thống kê mô tả theo dữ liệu ngày cho thấy mức tỷ suất sinh lợi và giá trị CSAD cao nhất và thấp nhất của hai nhóm cổ phiếu HO_large và HO_small xấp xỉ như nhau. Tuy nhiên, giá trị CSSD thấp nhất và cao nhất của nhóm cổ phiếu HO_large lại chênh lệch đáng kể so với nhóm HO_small. Cụ thể: Giá trị CSSD cao nhất của nhóm HO_large là 19.89% trong khi nhóm HO_small lại có giá trị lớn nhất chỉ là 5.39%; Giá trị CSSD thấp nhất là 3.61% cho nhóm HO_large trong khi giá trị này chỉ là 1.6% cho nhóm HO_small.
Bảng 4.3: Thống kê mô tả Rmt, CSSD và CSAD của nhóm HO_large và HO_small theo dữ liệu ngày: HO_large HO_small Rmt CSSD CSAD Rmt CSSD CSAD Obs 1304 1304 1304 1304 1304 1304 Mean 0.001 0.1186 0.0139 0.0006 0.0252 0.0195 Std.Dev 0.0166 0.0209 0.0048 0.0147 0.0047 0.004 Min -0.0479 0.0361 0.0012 -0.0476 0.0021 0.0016 Max 0.0478 0.1989 0.0376 0.0475 0.0539 0.0362
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata 11.0)
Với dữ liệu có tần suất thấp hơn – dữ liệu tuần – bảng 4.4 cho thấy mức thấp nhất và cao nhất của các biến giữa hai nhóm HO_large và HO_small là gần như nhau, không chênh lệch nhiều. Nhìn chung, khoảng biến động của giá trị các biến với dữ liệu tuần thường lớn hơn là dữ liệu ngày. Tuy nhiên, chỉ có giá trị CSSD của nhóm HO_large
theo dữ liệu ngày biến động mạnh hơn đáng kể so với dữ liệu tuần. Giá trị cao nhất của CSSD theo ngày là 19.89% nhưng theo tuần mức cao nhất chỉ là 10.53%. Mức thấp nhất theo ngày của giá trị CSSD là 3.61% nhưng theo tuần là 1.54%.
Bảng 4.4: Thống kê mô tả Rmt, CSSD và CSAD của nhóm HO_large và HO_small theo dữ liệu tuần: HO_large HO_small Rmt CSSD CSAD Rmt CSSD CSAD Obs 268 268 268 268 268 268 Mean 0.0053 0.0441 0.0331 0.0034 0.0569 0.042 Std.Dev 0.0414 0.0163 0.013 0.0403 0.0132 0.0109 Min -0.1259 0.0154 0.0118 -0.1319 0.0259 0.0196 Max 0.1704 0.1053 0.0913 0.1943 0.1106 0.0917
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata 11.0)
Tương tự như bảng 4.3 và 4.4, bảng 4.5 và 4.6 mô tả dữ liệu dùng để kiểm định của nhóm cổ phiếu có giá trị vốn hóa lớn và nhóm cổ phiếu có giá trị vốn hóa nhỏ theo dữ liệu ngày và tuần.
Bảng 4.5: Thống kê mô tả Rmt, CSSD và CSAD của nhóm HN_large và HN_small theo dữ liệu ngày: HN_large HN_small Rmt CSSD CSAD Rmt CSSD CSAD Obs 1304 1304 1304 1304 1304 1304 Mean 0.0009 0.0263 0.0192 0.0009 0.0343 0.025 Std.Dev 0.0202 0.006 0.0053 0.016 0.0042 0.0047 Min -0.0659 0.0047 0.0024 -0.0712 0.0062 0.0043 Max 0.071 0.0536 0.0439 0.0666 0.0531 0.0468
Từ bảng dữ liệu thống kê, có thể thấy được mức độ biến động về giá trị các biến giữa hai nhóm cổ phiếu là gần như nhau. Và dữ liệu theo tuần ghi nhận khoảng biến động về giá trị các biến rộng hơn là theo dữ liệu ngày cho cả hai nhóm HN_large và HN_small.
Bảng 4.6: Thống kê mô tả Rmt, CSSD và CSAD của nhóm HN_large và HN_small theo dữ liệu tuần: HN_large HN_small Rmt CSSD CSAD Rmt CSSD CSAD Obs 268 268 268 268 268 268 Mean 0.0048 0.0566 0.0406 0.0045 0.0729 0.0525 Std.Dev 0.0492 0.0168 0.0134 0.0424 0.0147 0.0124 Min -0.1806 0.0207 0.0157 -0.1638 0.036 0.0269 Max 0.2361 0.1314 0.1023 0.1802 0.1352 0.1062
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata 11.0)
4.2. Các kiểm định sơ bộ
Để đảm bảo cho ước lượng hồi quy tổng thể đạt kết quả tốt nhất và hiệu quả nhất thì dữ liệu và các biến trong mô hình hồi quy phải không bị vi phạm các giả thuyết của OLS hoặc giả bị vi phạm thì phải được khắc phục bằng các biện pháp tương ứng để đảm bảo cho kết quả phân tích là chính xác và có ý nghĩa thống kê. Do đó, tác giả đã tiến hành một số kiểm định: kiểm định tính dừng, kiểm định tự tương quan, kiểm định hiện tượng đa cộng tuyến trước và phương sai thay đổi khi phân tích hồi quy.
4.2.1.Kiểm định tính dừng
Tác đã tiến hành kiểm định tính dừng của các chuỗi dữ liệu đầu vào trước khi tiến hành hồi quy, để đảm bảo cho kết quả nghiên cứu có giá trị. (adsbygoogle = window.adsbygoogle || []).push({});
Biến P-value Kết quả kiểm định
HOSE
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng
DU 0.0000 Chuỗi dữ liệu dừng
CSADUP 0.0000 Chuỗi dữ liệu dừng
|Rmtup|, (Rmtup)2 0.0000 Chuỗi dữ liệu dừng CSADDOWN 0.0000 Chuỗi dữ liệu dừng |Rmtdown|, (Rmtdown)2 0.0000 Chuỗi dữ liệu dừng
HNX
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng
DU 0.0000 Chuỗi dữ liệu dừng
CSADUP 0.0000 Chuỗi dữ liệu dừng
|Rmtup|, (Rmtup)2 0.0000 Chuỗi dữ liệu dừng CSADDOWN 0.0000 Chuỗi dữ liệu dừng |Rmtdown|, (Rmtdown)2 0.0000 Chuỗi dữ liệu dừng
HO_large
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng
DU 0.0000 Chuỗi dữ liệu dừng
CSADUP 0.0000 Chuỗi dữ liệu dừng
|Rmtup|, (Rmtup)2 0.0000 Chuỗi dữ liệu dừng CSADDOWN 0.0000 Chuỗi dữ liệu dừng |Rmtdown|, (Rmtdown)2 0.0000 Chuỗi dữ liệu dừng
HO_small
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng
DU 0.0000 Chuỗi dữ liệu dừng
|Rmtup|, (Rmtup)2 0.0000 Chuỗi dữ liệu dừng CSADDOWN 0.0000 Chuỗi dữ liệu dừng |Rmtdown|, (Rmtdown)2 0.0000 Chuỗi dữ liệu dừng
HN_large
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng
DU 0.0000 Chuỗi dữ liệu dừng
CSADUP 0.0000 Chuỗi dữ liệu dừng
|Rmtup|, (Rmtup)2 0.0000 Chuỗi dữ liệu dừng CSADDOWN 0.0000 Chuỗi dữ liệu dừng |Rmtdown|, (Rmtdown)2 0.0000 Chuỗi dữ liệu dừng (adsbygoogle = window.adsbygoogle || []).push({});
HN_small
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng
DU 0.0000 Chuỗi dữ liệu dừng
CSADUP 0.0000 Chuỗi dữ liệu dừng
|Rmtup|, (Rmtup)2 0.0000 Chuỗi dữ liệu dừng CSADDOWN 0.0000 Chuỗi dữ liệu dừng |Rmtdown|, (Rmtdown)2 0.0000 Chuỗi dữ liệu dừng
(Nguồn: Kết quả phân tích dữ liệu từ phần mềm Stata 11.0)
Kết quả kiểm định tính dừng theo dữ liệu ngày trong bảng 4.7 cho thấy các giá trị p- value nhận được đều bằng 0 nhỏ hơn mức ý nghĩa α = 0.05. Do đó, tất cả chuỗi dữ liệu đưa vào phân tích đều có tính dừng. Như vậy có nghĩa là chuỗi dữ liệu nghiên cứu có giá trị trung bình, phương sai và hiệp phương sai (ở các độ trễ khác nhau) sẽ giống nhau tại mọi thời điểm đo lường.
Bảng 4.8: Kiểm định Dickey Fuller về tính dừng theo dữ liệu tuần:
Biến P-value Kết quả kiểm định
HOSE
CSSD 0.0000 Chuỗi dữ liệu dừng
DL 0.0000 Chuỗi dữ liệu dừng