Xuất phát từ những hạn chế của mình đề tài đề xuất hướng nghiên cứu tiếp theo cho chủđề này:
Thứ nhất, nên mở rộng thêm mẫu nghiên cứu cho toàn bộ thị trường, để từ đó có cái nhìn mang tính toàn diện hơn cho các kết luận của chủđề này.
Thứ hai, kết hợp thêm các yếu tố vĩ mô khác trong phân tích nhằm cung cấp một cái nhìn mang tính tổng quan hơn sức ảnh hưởng của các chính sách đến sự biến
động trong tính thanh khoản của thị trường chứng khoán.
Thứ ba, có thể áp dụng các mô hình VAR cấu trúc (SVAR) hay mô hình ràng buộc dấu hiệu VAR (Sign-restriction VAR) của Uhlig (2009) để khắc phục các hạn chế của mô hình VAR đệ quy bằng cách áp đặt các ràng buộc theo lý thuyết kinh tế hoặc các ràng buộc dấu hiệu theo đề xuất của Fry và Pagan (2007),
Fratzscher và cộng sự (2010). Theo đó việc áp dụng các mô hình này sẽ không phụ thuộc vào việc sắp xếp vị trí các biến như trong mô hình VAR mà đề tài đã phân tích.
Danh mục tài liệu tiếng Việt
1. Bùi Kim Yến & Nguyễn Thái Sơn (2014), Phát triển của thị trường chứng khoán Việt Nam dưới ảnh hưởng của các nhân tố kinh tế vĩ mô, Tạp chí phát triển và hội nhập,
Số 16 (26) , Tháng 05-06/2014
2. Nguyễn Văn Kiều & Nguyễn Văn Điệp (2013), Quan hệ giữa các yếu tố kinh tế vĩ mô và biến động thị trường chứng khoán: Bằng chứng nghiện cứu từ thị trường Việt Nam, Tạp chí phát triển KH&CN, Tập 16, số Q.3-2013
3. Phan Thị Bích Nguyệt & Phạm Dương Phương Thảo (2013), Phân tích tác động của các nhân tố kinh tế vĩ mô đến thị trường chứng khoán Việt Nam, Tạp chí
phát triển và hội nhập, Tập 18, Số 8, tr. 34-41
4. Trần Ngọc Thơ, Giáo trình Tài chính quốc tế, TP Hồ Chí Minh: Trường Đại học kinh tế thành phố Hồ Chí Minh.
Danh mục tài liệu tiếng anh
1. Al-Qenae, Carmen Li, Bob Wearing., 2002. The information Content of Earnings on Stock Prices: The Kuwait Stocks Exchange, Multinational Finance Journal.
2. Amihud, Y., 2002. Illiquidity and stock returns: cross-section and time-series effects, Journal of Financial Markets 5: 31–56.
3. Amihud, Y. & Mendelson, H., 1986. Asset pricing and the bid-ask spread, Journal of Financial Economics 17: 223 – 249.
4. Amihud, Y., Mendelson, H. & Pedersen, L. H., 2005. Liquidity and Asset Prices, Now Publishers Inc.
returns, Journal of Financial Economics 49: 345- 373.
6. Brunnermeier, M. K. & Pedersen, L. H., 2009. Market liquidity and funding liquidity, The Review of Financial Studies.
7. Chordia, T., Roll, R. & Subrahmanyam, A., 1999. Commonality in liquidity. 8. Chordia, T., Roll, R. & Subrahmanyam, A., 2000. Market liquidity and
trading activity.
9. Chordia, T., Sarkar, A. & Subrahmanyam, A. 2005. An empirical analysis of stock and bond market liquidity, Federal Reserve Bank of New York Staff Reports.
10.Chunsheng Zhou (1996), Stock Market Flutuations and the Term Structure, Peking University.
11.Clarida, R., Gali, J. & Gertler, M., 1998. Monetary policy rules in practice some international evidence, European Economics Review 42: 1033 – 1067. 12.Dalgaard, R., 2009. Liquidity and stock returns: Evidence from Denmark,
Economics and Finance.
13.Eisfeldt, A., L., 2004. Endogenous liquidity in asset markets, Journal of Finance.
14.Fujimoto, A., 2003. Macroeconomic Sources of Systematic Liquidity.
15.Goyenko, R. Y and Holden, C. W., 2009. Do Measures of Liquidity Measure Liquidity.
16.Goyenko, R. Y. & Ukhov, A. D., 2009. Stock and bond market liquidity: A long-run empirical analysis, Journal of Financial and Quantitative Analysis 44: 189-212.
17.Hameed, A., Kang, W. & Viswanathan, S., 2010. Stock market declines and liquidity. (adsbygoogle = window.adsbygoogle || []).push({});
19.Mansor H. Ibrahim & Wan Sulaiman Wan Yusoff., 2001. Macroeconomic variables, exchange rate and stock price: a Malaysian perspective, Journal of Economics and Management.
20.Nai-Fu Chen, Richard Roll & Stephen A. Ross., 2012. Economic Forces and the Stock Market, The Journal of Business Vol. 59: 383-403.
21.S.Ghon Rhee & Jianxin Wang., 2009. Foreign institutional ownership and stock
Giả sử mô hình VAR với 2 biến (k=2) và độ trễ là 1 (p=1) ký hiệu VAR (1) được viết như sau:
(1) (2) εit ~μ (0, và Cov(εy,εz) = 0 Từ (1) và (2) ta viết dưới dạng ma trận ( ) ( ) ( ) ( ) ( ) ( ) (3) Ta viết gọn lại: (4)
Để chuẩn vế trái của phương trình (4) ta nhân hai vế cho ma trận nghịch đảo của B là B-1, lúc này phương trình (4) trở thành:
Ta viết gọn lại: (5). Phương trình (5) là mô hình VAR dạng chuẩn. Hay: ( ) ( ) ( ) ( ) ( ) (6) Kế tiếp ta biến đổi giá trị (
) trong phương trình 6 về dạng ma trận εt, ta có:
với | |( (
(
) Với B* là phần phụ (cofactor) của B và ( là ma trận chuyển vị của B. Như vậy ta có:
( ) ( ( ) ( ) (7) hay và
Hàm phản ứng thúc đẩy suy ra từ phương trình (5)
1 Bùi Anh Chính và cộng sự, 2012. Tỷ giá hối đoái và lạm phát mục tiêu (Tài liệu học tập)- GVHD: Nguyễn Thị Ngọc Trang.
( ( | | ( ) | | ( )( ) ( ( (( ( ) ( ̅ ̅)
Tính dừng yêu cầu giá trị gốc của I-A1L phải nằm ngoài vòng tròn đơn vị (Elder(2003)). Với giả định này chúng ta có thể viết tiếp thành phần số 2 của vế phải phương trình (5): ∑ ∑ ( ) ( ) Lúc này phương trình 5 trở thành: ( ) ( ̅ ̅) ∑ ( ) ( )
(8) Do có sai số trong mô hình nên người ta chuyển từ
(
) về dạng (
) Thay phương trình (7) vào phương trình (8) ta có phương trình hàm phản ứng thúc đẩy: ( ) ( ̅ ̅) ∑ ( ) ( ) ( ̅ ̅)+∑ ( ( ( ( ( ) ( ) ̅ ∑ (9)
Ta lấy đạo hàm riêng từng biến ta suy ra được tác động thúc đẩy của biến y lên biến z và ngược lại, như sau:
Kỳ hiện tại yt và zt:
(
(
Nói tóm lại, IRF cho phép xác định hiệu ứng theo thời gian của cú sốc của một biến nội sinh nào đó đến biến khác trong mô hình và phản ứng của từng cú sốc là đạo hàm riêng của từng biến trong mô hình theo thời gian.
Ý tưởng của phân rả phương sai là tính xem một thay đối hay cú sốc của một biến ảnh hưởng bao nhiêu % lên các biến khác (adsbygoogle = window.adsbygoogle || []).push({});
Theo đó, với một mô hình tự hồi quy VAR(p), p độ trễ.
Viết gọn lại là : ở đây:
Trong đó yt,v,u là ma trận dạng cột có p giá trị. Ma trận A có k dòng và p cột . Tính toán sai số dự báo của qua h bước của biến j là:
Ở đây,
ej là cột thứ j của ma trận đơn vị Ik và j thay thế cho nhân tố ma trận
với P là ma trận tam giác dưới thu được từ phân rả Cholesky ∑
với ∑ là ma trận phương sai của sai số ut
ở đây [ ]
Giá trị của phương sai của sai số dự báo do cú sốc bên ngoài đến biến k được tính
2
chứng khoán HOSE với CSTT là tốc độ tăng cung tiền M0
Biến phụ thuộc TOVER, TV
Kiểm định phương sai thay đổi
Mô hình biến phụ thuộc TOVER, TV
Ước lượng hồi quy dữ liệu bảng và các kiểm định liên quan cho sàn giao dịch chứng khoán HOSE với CSTT là chênh lệch lãi suất thực và lãi suất mục tiêu
Mô hình biến phụ thuộc D, PS
chứng khoán HNX với CSTT là tốc độ tăng cung tiền M0
Biến phụ thuộc TOVER, TV
Kiểm định phương sai thay đổi
Mô hình biến phụ thuộc TOVER, TV
Ước lượng hồi quy dữ liệu bảng và các kiểm định liên quan cho sàn giao dịch chứng khoán HNX với CSTT là chênh lệch lãi suất thực và lãi suất mục tiêu
Biến phụ thuộc S
Kiểm định phương sai thay đổi
Biến D Biến IP Biến IR
Biến MG Biến MS Biến PS (adsbygoogle = window.adsbygoogle || []).push({});
Biến RET Biến S Biến STDV
Độ trễ cho mô hình MG – D Độ trễ cho mô hình MG – PS
Độ trễ cho mô hình MG – S Độ trễ cho mô hình MG – TOVER
Độ trễ cho mô hình MG – TV Độ trễ cho mô hình MS – D
Độ trễ cho mô hình MS – PS Độ trễ cho mô hình MS – S
Mô hình MG – D Mô hình MG – PS
Mô hình MG – S Mô hình MG – TOVER
Mô hình MG – TV Mô hình MS – D
Mô hình MG – D Mô hình MG – P Mô hình MG – S Mô hình MG – TOVER
Mô hình MG – TV Mô hình MS – D Mô hình MS – PS Mô hình MS – S
Mô hình MG – D
Mô hình MG – D
Mô hình MG – PS
(adsbygoogle = window.adsbygoogle || []).push({});
Mô hình MG – TOVER
Mô hình MG – TV
Mô hình MS – D
Mô hình MS - S
Mô hình MS – TOVER
Mô hình MS - TV
Biến D Biến IP Biến IR
Biến MG Biến MS Biến PS
Biến RET Biến S Biến STDV
Kiểm định độ trễ tối ưu cho các mô hình của dữ liệu sàn HNX
Mô hình MG – D Mô hình MG – PS
Mô hình MG – S Mô hình MG – TOVER
Mô hình MG – TV Mô hình MS – D
Mô hình MS – PS Mô hình MS – S
Mô hình MG – D Mô hình MG – PS
Mô hình MG – S Mô hình MG – TOVER (adsbygoogle = window.adsbygoogle || []).push({});
Mô hình MS – TOVER Mô hình MS – TV
Kiểm tra tính ổn định cho các mô hình của dữ liệu sàn HNX
MG-D MG-PS MG-S MG-TOVER MG-TV
Mô hình MG – D
Phân rã phương sai cho các mô hình của dữ liệu sàn HNX Mô hình MG – D
Mô hình MG – PS
Mô hình MG – TOVER
Mô hình MG – TV
Mô hình MS – D
Mô hình MS – S
Mô hình MS – TOVER