3.2.1. Mô hình hồi quy:
Dùng phương pháp OLS, ta hồi quy TSSL vượt trội các danh mục theo nhân tố thị trường Rm-Rf để kiểm định sự phù hợp của mô hình CAPM trên TTCK Việt Nam.
Mô hình có dạng : E(Rit) – Rft = αi + βi (E(Rmt) – Rft) + et
3.2.1.1. Kiểm tra tính dừng của chuỗi dữ liệu:
Một trong các giả thiết của mô hình hồi quy cổ điển là các biến độc lập phi ngẫu nhiên, chúng có các giá trị xác định. Nếu như chúng ta ước lượng một mô hình trong đó các biến độc lập không dừng thì giả thiết của OLS bị vi phạm. (Hoàng Ngọc Nhậm (2008), Giáo trình Kinh tế lượng, Trường ĐHKT TPHCM, trang 265). Một chuỗi được gọi là dừng nếu kỳ vọng, phương sai và hiệp phương sai không đổi theo thời gian.
Ta tiến hành kiểm tra tính dừng của biến phần bù thị trường bằng phương pháp nghiệm đơn vị (Unit Root Test). Đối với mô hình CAPM, biến độc lập là nhân tố thị trường.
Xét mô hình: Yt = ρYt-1 + Ut , trong đó Ut là nhiễu trắng
(3.2)
Ta dùng tiêu chuẩn kiểm định Dickey-Fuller, kiểm định giả thiết Ho: ρ=1, tức chuỗi không dừng. Giả thiết đối H1: ρ≠1, chuỗi dừng. Bảng kết quả kiểm định như sau:
Bảng 3.3: Bảng kiểm định Unit Root Test trên nhân tố thị trường
Giá trị τ của thống kê DF là -5.608816. Ta thấy |τ| khi so sánh với τ0.01, τ0.05, τ0.1 thì đều lớn hơn, có nghĩa là giả thiết Ho có thể bị bác bỏ với các mức ý nghĩa 1%, 5%, 10%. Ta kết luận chuỗi dữ liệu của biến độc lập là chuỗi dừng.
3.2.1.2. Ước lượng mô hình hồi quy:
Kết quả hồi quy ta được 6 mô hình cho các danh mục như sau :
Danh mục B/H: E(Rt) – Rft = -0.013180+ 1.443006 (E(Rmt) - Rft) + et
Danh mục B/M: E(Rt) – Rft = -0.022652 + 0.942107 (E(Rmt) - Rft) + et
Danh mục B/L: E(Rt) – Rft = -0.009835 + 1.185480 (E(Rmt) - Rft) + et
Danh mục S/H: E(Rt) – Rft = -0.014446 + 1.361658 (E(Rmt) - Rft) + et
Danh mục S/M: E(Rt) – Rft = -0.013920+ 1.044876(E(Rmt) - Rft) + et
Danh mục S/L: E(Rt) – Rft = 0.018400+ 0.447214 (E(Rmt) - Rft) + et
(Xem thêm ở phụ lục 9)
Với kết quả hồi quy như trên, ta nhận thấy 6 mô hình thì có đều có sai số α thấp, cho thấy hầu như không có sự chênh lệch giữa TSSL thực tế và TSSL kỳ vọng ước lượng bằng CAPM. Đồng thời so sánh α với 0 cho ta biết được chứng khoán đang được định giá cao hay thấp. Nếu α >0: TSSL thực tế lớn hơn TSSL kỳ vọng ước lượng theo CAPM, chứng khoán đang được chiết
khấu với TSSL cao hơn , tức chứng khoán đang bị định giá thấp; và ngược lại. Kết quả kiểm định đều cho thấy 5 trong 6 danh mục được định giá cao ( α < 0), chỉ có một danh mục duy nhất là S/L được định giá thấp. Tuy nhiên khi xét đến ý nghĩa thống kê của α thì α không có ý nghĩa thống kê, vậy ta chấp nhận giả thiết α = 0, nghĩa là phần lớn các danh mục được định giá đúng.
Tất cả các danh mục đều có β dương và xoay quanh giá trị 1, cho thấy các chứng khoán thuộc ngành công nghệ - viễn thông giai đoạn 2007-2012 biến động cùng chiều với thị trường và rủi ro gắn liền với rủi ro thị trường. Đặc biệt danh mục B/H có β= 1.272310 dương lớn nhất, hàm ý rằng các chứng khoán có quy mô lớn và BE/ME cao thường khuếch đại các biến động trong TSSL thị trường và có liên quan chặt chẽ với rủi ro thị trường nhất.
3.2.2. Kiểm định các giả thiết thống kê:
3.2.2.1. Kiểm định giả thiết đối với các hệ số hồi quy:
Kiểm định giả thiết đối với hệ số α:
Giả thiết Ho: α = 0. Ta sử dụng giá trị thống kê t và xác suất p-value để kiểm định Ho. Đại lượng ngẫu nhiên t tuân theo quy luật Student với bậc tự do n-k, k là số hệ số có trong mô hình. Với mức ý nghĩa α =5%, dùng hàm tinv trong excel để tìm ra giá trị t2.5%(58)= 2.301083588. Ta có bảng kết quả:
Bảng 3.4: Bảng kết quả kiểm định giả thiết đối với hệ số α mô hình CAPM
Tên danh mục α t P value Kết quả kiểm định
Danh mục B/H -0.013180 -0.861700 0.3924 Chấp nhận Ho Danh mục B/M -0.022652 -1.888145 0.0640 Chấp nhận Ho Danh mục B/L -0.009835 -0.774910 0.4415 Chấp nhận Ho Danh mục S/H -0.020480 -1.165467 0.2486 Chấp nhận Ho Danh mục S/M -0.030009 -1.668235 0.1007 Chấp nhận Ho Danh mục S/L 0.002244 0.106388 0.9156 Chấp nhận Ho
Với các kết quả kiểm định trên ta chấp nhận giả thiết Ho: hệ số α = 0, không có sự chênh lệch giữa TSSL thực tế và TSSL kỳ vọng ước lượng bằng CAPM, tức các chứng khoán đều được định giá đúng.
Kiểm định giả thiết đối với hệ số β:
Giả thiết Ho: β =0. Ta cũng sử dụng giá trị thống kê t và xác suất p-value để kiểm định Ho, t2.5%(58)= 2.301083588
Bảng 3.5: Bảng kết quả kiểm định giả thiết đối với hệ số β mô hình CAPM
Tên danh mục β t P value Kết quả kiểm định
Danh mục B/H 1.443006 10.05386 0.0000 Bác bỏ Ho Danh mục B/M 0.942107 8.368560 0.0000 Bác bỏ Ho Danh mục B/L 1.185480 9.953929 0.0000 Bác bỏ Ho Danh mục S/H 1.130162 6.853807 0.0000 Bác bỏ Ho Danh mục S/M 0.931970 5.520690 0.0000 Bác bỏ Ho Danh mục S/L 0.654628 3.307420 0.0016 Bác bỏ Ho
Kết quả cho thấy tất cả các danh mục đều cho giá trị thống kê t lớn, p-value được thể hiện hoàn toàn bởi các số 0 nhưng không thể cho rằng p-value =0. P- value chỉ thực sự bằng không khi các gía trị thống kê t = ± ∞. Với mẫu cụ thể, các tính toán có ý nghĩa thì điều này không thể xảy ra. Do đó p-value có thể là một số rất bé, tiệm cận với 0 nhưng không thể bằng không. Vậy nhân tố thị trường giải thích được TSSL của chứng khoán ngành công nghệ viễn thông tại mức ý nghĩa 1%.
3.2.2.2. Kiểm định tự tương quan:
Mô hình hồi quy OLS giả định rằng các hạng nhiễu Ui không có tương quan với nhau. Ut = ρ1Ut- 1 + ρ2Ut- 2 + ρ3Ut-3 +et
Ta sử dụng giá trị F và p-value của kiểm định BG (Breusch – Godfrey) với giả thiết Ho: ρ1=ρ2=ρ3=0 , tức là giữa các phần dư không có hiện tượng tự tương quan, ta thu được kết quả cho từng danh mục với các độ trễ là 1, 2, 3: Bảng 3.6: Kết quả kiểm định Breusch – Godfrey với các độ trễ 1, 2, 3
B/H
Lag = 1 Obs*R-squared 1.672390 Probability 0.1959 Lag = 2 Obs*R-squared 1.743755 Probability 0.4182 Lag = 3 Obs*R-squared 5.996392 Probability 0.1118
B/M
Lag = 1 Obs*R-squared 1.047972 Probability 0.5835 Lag = 2 Obs*R-squared 2.104463 Probability 0.3060 Lag = 3 Obs*R-squared 2.104463 Probability 0.1764
B/L
Lag = 1 Obs*R-squared 0.000204 Probability 0.9886 Lag = 2 Obs*R-squared 0.000939 Probability 0.9995 Lag = 3 Obs*R-squared 0.373944 Probability 0.9456
S/H
Lag = 1 Obs*R-squared 0.066209 Probability 0.7969 Lag = 2 Obs*R-squared 0.241281 Probability 0.8864 Lag = 3 Obs*R-squared 1.072066 Probability 0.7838
SM
Lag = 1 Obs*R-squared 0.255468 Probability 0.6133 Lag = 2 Obs*R-squared 1.267638 Probability 0.5306 Lag = 3 Obs*R-squared 2.909214 Probability 0.4058
S/L
Lag = 1 Obs*R-squared 1.653993 Probability 0.9840 Lag = 2 Obs*R-squared 2.095893 Probability 0.3507 Lag = 3 Obs*R-squared 6.621871 Probability 0.0850
Kết quả kiểm định BG cho thấy tất cả các danh mục đều có Prob (Chi-Square) ở các độ trễ đều lớn, tại mức ý nghĩa 5% ta chấp nhận giả thiết Ho, tức không tồn tại hiện tượng tự tương quan. Nên ta có thể kết luận rằng ước lượng hồi quy bằng phương pháp OLS là thích hợp.
3.2.2.3. Kiểm định phương sai thay đổi:
Mô hình hồi quy tuyến tính cổ điển cũng giả định rằng các hạng nhiễu Ui có phương sai đồng nhất. Để xem phương sai của nhiễu có đồng nhất hay không, ta tiến hành kiểm định White đối với chuỗi phần dư.
Giả thiết Ho: Phương sai của sai số ngẫu nhiên của mô hình không đổi. Kết quả kiểm định White( Có tích chéo giữa các biên độc lập):
Bảng 3.7: Kết quả kiểm định White của mô hình CAPM
Tên danh mục nR2 Prob. Chi square(2) Kết quả kiểm định
Danh mục B/H 5.036195 0.0806 Chấp nhận Ho Danh mục B/M 4.299490 0.1165 Chấp nhận Ho Danh mục B/L 13.58944 0.0011 Bác bỏ Ho Danh mục S/H 1.353233 0.5083 Chấp nhận Ho Danh mục S/M 0.212990 0.8990 Chấp nhận Ho Danh mục S/L 0.549086 0.7599 Chấp nhận Ho (Xem thêm ở phụ lục 13)
Tại mức ý nghĩa 5%, kết quả kiểm định White cho thấy hầu hết danh mục đều không xảy ra hiện tương phương sai thay đổi, chỉ trừ danh mục B/L . Nên ta có thể kết luận rằng kết quả ước lượng hồi quy bằng phương pháp OLS ở trên là thích hợp và kết quả R-squared là đáng tin cậy.
3.2.2.4. Kiểm định sự phù hợp của mô hình hồi quy:
Ta kiểm định xem nhân tố TSSL vượt trội thị trường Rm-Rf có thực sự giải thích cho TSSL vượt trội chứng khoán hay không.
Giả thiết Ho: R2 = 0.
Về mặt ý nghĩa thống kê, với mô hình hồi quy hai biến thì kiểm định sự phù hợp của hàm hồi quy trùng với kiểm định giả thiết β = 0, vì mô hình chỉ có một biến giải thích. Kiểm định R2 chỉ có ý nghĩa với mô hình hồi quy bội. Tuy nhiên ở đây, ta vẫn thực hiện kiểm định Ho: R2 = 0 để kiểm tra tính đúng đắn của mô hình khi sử dụng các phương pháp kiểm định khác nhau.Ta sử dụng phân phối Fisher-Snedecor được kết quả:
Bảng 3.8: Bảng giá trị hệ số xác định mô hình CAPM
Tên danh mục Hệ số R2 Thống kê F P value Kết quả kiểm định
Danh mục B/H 0.635404 101.0801 0.000000 Bác bỏ Ho Danh mục B/M 0.546991 70.03279 0.000000 Bác bỏ Ho Danh mục B/L 0.630763 99.08071 0.000000 Bác bỏ Ho Danh mục S/H 0.447486 46.97467 0.000000 Bác bỏ Ho Danh mục S/M 0.344470 30.47802 0.000001 Bác bỏ Ho Danh mục S/L 0.158677 10.93903 0.001620 Bác bỏ Ho
Kết quả trên cho thấy mô hình có ý nghĩa với tất cả các danh mục tại mức ý nghĩa 5%. Kết quả này hoàn toàn trùng với kết quả kiểm định hệ số β. Giá trị R2 nhỏ nhất là khoảng 16%, cho thấy nhân tố thị trường giải thích được ít nhất là 16% những thay đổi trong TSSL chứng khoán ngành CNVT. Với giá trị R2 lớn nhất là 64% thì điều này hàm ý rằng có thể có những biến giải thích khác cho TSSL chứng khoán nữa. Đó chính là lý do chúng ta nghiên cứu thêm ảnh hưởng của nhân tố quy mô, nhân tố giá trị trong mô hình sau.
3.3. Ước lượng TSSL kỳ vọng bằng mô hình 3 nhân tố Fama-French 3.3.1. Mô hình hồi quy 3.3.1. Mô hình hồi quy
Phân tích sơ bộ các tham số thống kê mô tả:
Bảng 3.9: Bảng tóm tắt các giá trị thống kê mô hình FF3FM
- Với kết quả thống kê được trên 26 chứng khoán ngành công nghệ viễn thông giai đoạn 2008-2012 thì chuỗi SMB có trung bình dương giống kết quả của nghiên cứu tại các thị trường phát triển như: Fama-French (1992) cho ba thị trường chứng khoán lớn là NYSE, AMEX, và NASDAQ,… hay kết quả nghiên cứu tại các thị trường mới nổi. Điều này cho thấy cổ phiếu của công ty có quy mô nhỏ có TSSL cao hơn cổ phiếu công ty có quy mô lớn.
- Khi xét đến yếu tố HML, chuỗi HML lại có trung bình âm. Nghĩa là cổ phiếu có BE/ME nhỏ có TSSL cao hơn cổ phiếu có BE/ME lớn. Kết quả này trái ngược với kết luận của Fama-French (1992) khi cho rằng có một quan hệ tỷ lệ thuận giữa tỷ số BE/ME và suất sinh lợi.
Đồng thời, kết quả thống kê cũng cho thấy trong 6 danh mục đều có TSSL trung bình<0 trong khoảng thời gian nghiên cứu.
3.3.1.1. Kiểm tra tính dừng của chuỗi dữ liệu:
Cũng tương tự như mô hình định giá tài sản vốn CAPM, trước khi tiến hành xây dựng mô hình, ta kiểm tra tính dừng của biến độc lập bằng phương pháp nghiệm đơn vị (Unit Root Test), vì đây là giả thiết đầu tiên của mô hình hồi quy tuyến tính OLS. Với mô hình 3 nhân tố của Fama-French, ta có 3 biến độc lập (biến giải thích) là Rm-Rf, SMB và HML. Vì đã kiểm tra tính dừng
của biến Rm-Rf trong mô hình CAPM nên bây giờ ta chỉ cần kiểm tra tính dừng của hai biến còn lại.
Xét mô hình: Yt = ρYt-1 + Ut , trong đó Ut là nhiễu trắng
Ta dùng tiêu chuẩn kiểm định Dickey-Fuller, kiểm định giả thiết Ho: ρ=1, tức chuỗi không dừng. Giả thiết đối H1: ρ≠1, chuỗi dừng. Bảng kết quả kiểm định:
Bảng 3.10: Bảng kiểm định Unit Root Test trên chuỗi SMB
Giá trị thống kê τ = -8.583481, so với τ0.01, τ0.05, τ0.1 thì |τ| đều lớn hơn, ta bác bỏ giả thiết Ho. Chuỗi SMB là chuỗi dừng.
Bảng 3.11: Bảng kiểm định Unit Root Test trên chuỗi HML
Giá trị thống kê τ = -6.487807, so với τ0.01, τ0.05, τ0.1 thì |τ| đều lớn hơn, ta bác bỏ giả thiết Ho. Chuỗi HML là chuỗi dừng.
3.3.1.2. Ước lượng mô hình hồi quy:
Dùng phương pháp OLS, ta hồi quy TSSL vượt trội các danh mục theo nhân tố thị trường Rm-Rf, nhân tố quy mô SMB và nhân tố giá trị HML để kiểm định tính phù hợp mô hình 3 nhân tố Fama-French trên thị trường Việt Nam. Mô hình có dạng:
E(Ri(t))– RF(t) = αi + bi.[E(RM(t)) – RF(t)] + si.SMB(t) + hi.HML(t) + e(t) t = 1,2,..T
Kết quả hồi quy ta được các mô hình như sau:
Danh mục B/H: E(Ri(t))– RF(t) = -0.007751 + 1.223034*[E(RM(t)) -RF(t) ] - 0.217910*SMB(t) + 0.430985*HML(t) + e(t) Danh mục B/M: E(Ri(t))– RF(t) = -0.021857 + 0.866430*[E(RM(t)) - RF(t) ] - 0.172864*SMB(t) + 0.072275*HML(t) + e(t) Danh mục B/L: E(Ri(t))– RF(t) = -0.014595 + 1.227529*[E(RM(t)) – RF(t)] – 0.298025*SMB(t) – 0.346083*HML(t) + e(t) Danh mục S/H: E(Ri(t))– RF(t) = -0.012688+ 1.139309*[E(RM(t)) – RF(t)] + 0.740640*SMB(t) + 0.550010*HML(t) + e(t) Danh mục S/M: E(Ri(t))– RF(t) = -0.025723 + 1.042480*[E(RM(t)) – RF(t)] + 0.749618*SMB(t) + 0.280262*HML(t) + e(t) Danh mục S/L: E(Ri(t))– RF(t) = -0.005826 + 1.134899*[E(RM(t)) – RF(t)] + 0.820837*SMB(t) – 0.673097*HML(t) + e(t) (Xem thêm ở Phụ lục 10 ) (3.4)
Nhận xét về các hệ số: Bảng 3.12: Bảng tóm tắt các hệ số mô hình FF3FM Tên danh mục α b(hệ số Rm-Rf) s(hệ số SMB) h(hệ số HML) Danh mục B/H -0.007751 1.223034 - 0.217910 0.430985 Danh mục B/M -0.021857 0.866430 - 0.172864 0.072275 Danh mục B/L -0.014595 1.227529 -0.298025 -0.346083 Danh mục S/H -0.012688 1.139309 0.740640 0.550010 Danh mục S/M -0.025723 1.042480 0.740640 0.280262 Danh mục S/L -0.005826 1.134899 0.820837 -0.673097
- Với kết quả hồi quy trên, ta nhận thấy các mô hình đều có sai số (α) khá thấp, đều xấp xỉ bằng 0, cho thấy không có sự chênh lệch đáng kể giữa TSSL thực tế và TSSL kỳ vọng ước lượng bằng mô hình 3 nhân tố Fama-French. - Hệ số đối với nhân tố thị trường đều dương và lớn hơn 0.8, điều này giống trong trường hợp kiểm định CAPM. Kết quả này cũng giống với kết quả của Fama French trên thị trường Mỹ: Hệ số đối với nhân tố thị trường đều xoay quanh giá trị 1.
- Ta nhận thấy hệ số đối với nhân tố SMB có sự khác biệt giữa các danh mục nhóm Small và Big. Hệ số SMB dương đối với những chứng khoán có ME nhỏ và âm đối với những chứng khoán có ME lớn. Điều này gần như giống với kết quả của Fama-French khi hai ông chia các danh mục thành 5 nhóm theo quy mô, 5 nhóm theo BE/ME tạo ra 25 danh mục thì 5 danh mục thuộc nhóm Big cao nhất (tương ứng với 5 mức BE/ME) đều cho kết quả hệ số b âm, các trường hợp còn lại đều dương.
- Kết quả kiểm định cũng cho thấy đối với các chứng khoán thuộc cùng một nhóm quy mô, chứng khoán nào có BE/ME cao hơn thì hệ số đối với nhân tố HML lớn hơn. Hệ số đối với HML của danh mục B/H>B/M> B/L, tức
0.430985>0.072275>-0.346083,hệ số đối với HML củaS/H>S/M>S/L,tức 0.550010>0.280262>-0.673097. Điều này hoàn toàn phù hợp với kết quả của Fama-French, rằng các công ty có BE/ME cao phải cung cấp một phần bù đối với nhân tố giá trị lớn hơn cho nhà đầu tư, vì những công ty này thường có rủi ro rơi vào kiệt quệ tài chính cao.
3.3.2. Kiểm định các giả thiết thống kê:
3.3.2.1. Kiểm định giả thiết đối với hệ số hồi quy:
Giả thiết Ho: Hệ số hồi quy = 0 (Với hệ số hồi quy là các hệ số α,b,s,h)
Ta sử dụng giá trị thống kê kiểm định t và xác suất p-value để kiểm định Ho. Đại lượng ngẫu nhiên t tuân theo quy luật Student với bậc tự do n-k, k là số hệ số có trong mô hình. Với mức ý nghĩa α =5%, dùng hàm tinv trong excel để tìm ra giá trị t2.5%(56)= 2.303270995, t5%(56)= 2.003240704.