7. Những đóng góp của đề tài
2.5.2.4. Kiểm định CAPM
Kiểm định CAPM bắt đầu bằng việc thiết lập các giá trị tỷ suất sinh lợi từ một tập hợp các chứng khoán. Các bước thực hiện trong quá trình kiểm định như sau:
- Xác định một ứng viên đại diện cho danh mục thị trường nào đó (ở đây, ta sử dụng chỉ số VN-Index như là một thông số đại diện cho danh mục thị trường). Về nguyên tắc, một danh mục thị trường đúng nên là: “một danh mục chứa đựng tất cả các chứng khoán có rủi ro với tỷ lệ tham gia tính theo giá trị thị trường của chúng”. Tuy nhiên ta không thể tìm một danh mục thị trường mang lý thuyết như vậy, và do đó phải sử dụng một danh mục đại diện để thay thế cho danh mục lý thuyết này.
- Với mỗi chứng khoán, chúng ta phải xác định hệ số beta 𝛽 tương ứng của chứng khoán này.
- Hồi quy các giá trị tỷ suất sinh lợi trung bình của các chứng khoán theo hệ số beta tương ứng của chúng. Bước này sẽ giúp tính được phương trình của đường SML.
Đường thị trường chứng khoán SML:
1. Sử dụng số liệu TSSL trung bình và beta của 20 chứng khoán. 2. Tìm phương trình đường SML bằng cách:
Dùng hàm INTERCEPT để tìm ra hệ số chặn a.
Dùng hàm RSQ để tìm R2.
Bảng 2.11: Hồi quy các giá trị TSSL theo hệ số beta.
Intercept 0.0150 Slope -0.0128 R-squared 0.2231
Đồ thị 2.4: Đường SML.
Phương trình đường SML là: y = -0.0128x + 0.0150
(với x là beta và y là TSSL trung bình)
Hay viết cách khác: 𝐸(𝑅𝑖) = -0.0128𝛽𝑖 + 0.0150 ; R2 = 0.2231
Hệ số R2 của hồi quy (là % thay đổi trong các giá trị TSSL khi hệ số beta thay đổi) bằng 22.31%
Nếu TSSL của danh mục có beta bằng 1, thì khi đó TSSL mong đợi của thị trường là E(Rm) = -0.0128 + 0.0150 = 0.0022 hay 0.22%.
3. Chạy Data Analysic (/Regression) để tiến hành kiểm định phương trình hồi quy của đường SML. y = -0.0128x + 0.0150 R² = 0.2231 -3.00% -2.00% -1.00% 0.00% 1.00% 2.00% 3.00% 0.0000 0.5000 1.0000 1.5000 2.0000 2.5000 T ỷ suấ t sinh lời Beta SML
Bảng 2.12: Kiểm định mô hình hồi quy của SML. SUMMARY OUTPUT Regression Statistics Multiple R 0.47229795 R Square 0.22306536 Adjusted R Square 0.17990232 Standard Error 0.01121801 Observations 20 ANOVA df SS MS F Significance F Regression 1 0.000650356 0.00065036 5.1679719 0.035490284 Residual 18 0.002265186 0.00012584 Total 19 0.002915542
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept 0.01503191 0.006015733 2.49876561 0.0223653 0.002393321 0.0276705 0.002393321 0.027670491 X Variable 1 -0.0128169 0.005637969 -2.2733174 0.0354903 -0.024661828 -0.000972 -0.02466183 -0.00097196
R-square chỉ đạt 22.31%, cùng với đó là p-value của hệ số chặn là 2.24%, mức ý nghĩa không cao. Điều này cho thấy, phương trình SML này không giải thích chính xác sự thay đổi của TSSL theo beta, khi beta của từng chứng khoán được so với VN-Index.
Nhận xét:
Những gì đã thực hiện – kiểm tra mô hình CAPM bằng việc vẽ đồ thị đường SML – đã không đưa ra những chứng cứ quan trọng về đường SML: cả 2 chỉ số R2 hoặc p-value đã không cho thấy mối quan hệ giữa TSSL mong đợi và hệ số beta của danh mục.
Tuy nhiên, những kết quả này có thể đúng vì:
- Một lý do là có lẽ bản thân chính mô hình CAPM không được giữ vững, điều này có thể là do những nguyên nhân sau:
Có lẽ thị trường mua bán khống đã bị hạn chế. Các kết quả có được từ mô hình CAPM (về các danh mục hiệu quả) giả định là không có giới hạn cho việc mua bán khống các chứng khoán. Rõ ràng giả định này trên thực tế là không có thực.
Các nhà đầu tư đều có kỳ vọng không thuần nhất liên quan đến giá trị TSSL, phương sai và hiệp phương sai của các chứng khoán.
- Có lẽ mô hình CAPM chỉ đúng cho các kết hợp đầu tư vào các danh mục hơn là kết hợp đầu tư vào các tài sản (chứng khoán) riêng lẽ.
- Có lẽ tập hợp lựa chọn các (tài sản) chứng khoán trên là không đủ lớn. Mô hình CAPM đã sử dụng thuật ngữ tất cả các tài sản có rủi ro trong khi ta lại lựa chọn một mẫu quan sát chỉ là một tập hợp con rất nhỏ của những tài sản này.
- Có lẽ danh mục thị trường là không hiệu quả.
Mặt khác, trong lĩnh vực tài chính, với hệ số tương quan R2 = 22.31% là hệ số có được khi hồi quy đường SML mới thực sự là con số có khả năng phản ánh những gì xảy ra trong thực tế. Vì chúng ta bị ảnh hưởng bởi sự say mê các kiến thức lý thuyết và quan điểm thái quá về mối quan hệ tuyến tính – thường cho rằng R2 của bất kỳ một phương trình hồi quy đáng tin cậy là ít nhất phải đạt từ 90% trở lên. Nhưng trong lĩnh vực tài chính khó mà có được các mối quan hệ giữa các đại lượng có mối quan hệ tuyến tính cao độ như vậy. Nguyên tắc vàng là bất kỳ một hồi quy về tài chính nào có R2 lớn hơn 80%, thì điều đó có ý nghĩa rằng hồi quy đó có các số liệu không rõ ràng và bị sai sót.
Kết luận chương 2
Nhìn lại quá trình hoạt động của TTCK trong thời gian qua và thực trạng hoạt động đầu tư theo danh mục trên TTCK Việt Nam. Kết quả đánh giá thực trạng cho thấy rằng, TTCK Việt Nam ngày càng phát triển thì những cơ hội đầu tư sinh lợi và kèm theo đó là rủi ro ngày càng lớn hơn. Do vậy, việc ứng dụng một chiến lược đầu tư có phương pháp khoa học là điều cần thiết đối với nhà đầu tư.
Trên cở sở lý thuyết được trình bày ở chương 1, kết hợp với việc nhận định tình hình thực tế, mô hình Markowitz đã giúp nhà đầu tư chọn ra những chứng khoán mang lại hiệu quả cao, tối đa mức hữu dụng trong một danh mục đầu tư cụ thể, đồng thời giúp nhà đầu tư lựa chọn danh mục tối ưu trong trường hợp có sự tham gia của tài sản phi rủi ro. Qua việc kiểm định CAPM, cho thấy mối tương quan giữa TSSL mong đợi và giá trị beta là không chặt chẽ với nhau. Tuy nhiên về khía cạnh tài chính, thì những con số khi hồi quy đường SML mới phản ánh đúng thực tế trên TTCK Việt Nam.
Phương pháp tính toán được thực hiện trên chương trình Microsoft Excel một cách cụ thể, đơn giản và hiệu quả nhất cho mọi nhà đầu tư, góp phần phục vụ cho việc đầu tư trên TTCK Việt Nam.
Chương 3:
MỘT SỐ GỢI Ý NHẰM HẠN CHẾ RỦI RO KHI VẬN DỤNG MÔ HÌNH ĐẦU TƯ TÀI CHÍNH
TRONG ĐẦU TƯ CHỨNG KHOÁN