2.4.1. Lựa chọn mô hình
Trong thời gian qua, có khá nhiều nghiên cứu về hành vi bầy đàn trên thế giới như Banerjee (1992), Bikhchandani và Sharma (2001), Hirshleifer và Teoh (2003), Scharfstein và Stein (1990), Kim và Wei (2002), Chistie và Huang (1995), Hwang và Salmon (2004)… Các nghiên cứu này đề xuất những mô hình để đo lường, kiểm định mức độ hành vi bầy đàn trong các thị trường cũng như tâm lý bầy đàn của các nhóm nhà đầu tư riêng biệt nào đó. Ví dụ, các quyết định đầu tư của doanh nghiệp dựa trên các quan sát quyết định đầu tư của các doanh nghiệp khác như thế nào.12 Nghiên cứu của Kim và Wei (1999) đề xuất mô hình đo lường hành vi bầy đàn của các nhà đầu tư nước ngoài trên TTCK Hàn Quốc dựa trên nghiên cứu mối liên hệ giữa hành vi giao dịch của các nhóm nhà đầu tư với biến động của các cổ phiếu trong tháng trước đó.13 Nghiên cứu của Christie và Huang (1995), Hwang và Salmon (2004) đề xuất mô hình đo lường mức độ hành vi bầy đàn trên thị trường dựa trên ý tưởng sự biến động của beta chứng khoán khỏi beta cân bằng (theo CAPM) do nhân tố hành vi bầy đàn.14
Qua tìm hiểu về các mô hình trên, tôi quyết định lựa chọn mô hình của Hwang và Salmon (2004) – gọi tắt là mô hình HS – để áp dụng cho mục tiêu đo lường mức độ hành vi bầy đàn trên TTCK Việt Nam vì các lý do sau:
Mô hình HS có thể đo lường mức độ hành vi bầy đàn trên quy mô toàn thị trường, trong khi một số mô hình khác không thể thực hiện điều này
Dữ liệu sử dụng trong mô hình (sẽ được thảo luận trong các phần tiếp theo) có thể thu thập được. Trong khi dữ liệu sử dụng trong các mô hình khác khó có điều kiện thu thập trong điều kiện hiện nay
Mô hình HS cho phép việc mở rộng mô hình trong tương lai bằng cách thêm các biến vào mô hình để kiểm định tính bền vững hay đo lường tác động của các nhân tố khác
12
Scharfstein and Stein, “Herd Behavior and Investment”, The American Economic Review (1990) 13
Kim and Wei, “Foreign Portfolio Investors Before and During a Crisis, Journal of International Economics, 68, 1, pp. 205-224 (2002)
14
Christie and Huang, "Following the Pied Piper: Do Individual Returns Herd Aroundthe Market?", Financial Analysts Journal, pp. 31-37 (1995)
2.4.1.2. Mô hình Hwang và Salmon (2004) i. Phương pháp đo lường hành vi bầy đàn i. Phương pháp đo lường hành vi bầy đàn
Mô hình HS đo lường hành vi bầy đàn dựa trên quan sát độ lệch của beta chứng khoán so với beta cân bằng hàm ý trong CAPM khi thị trường hiệu quả. HS giả định rằng hành vi bầy đàn xảy ra khi nhà đầu tư hành động theo những quan sát thành quả hoạt động của thị trường (tỷ suất sinh lợi thị trường). Định nghĩa về hành vi bầy đàn này của HS có ý nghĩa tương tự như định nghĩa hành vi bầy đàn thông thường15 khi cả hai loại hành vi bầy đàn này đều dẫn đến việc định giá sai giá trị tài sản.
Hành vi bầy đàn dẫn đến việc định giá sai vì các quyết định lựa chọn hợp lý bị sai lệch khi tin tưởng bất hợp lý bằng quan sát hành động của thị trường, và điều này dẫn tới sự sai lầm trong đánh giá tỷ suất sinh lợi mong đợi và rủi ro (những nhân tố trong mô hình CAPM).
Trong điều kiện thị trường hiệu quả, beta của các chứng khoán được tính dựa trên công thức sau:
= (1)
Trong đó: là phần bù rủi ro của chứng khoán i tại thời điểm t
r là phần bù rủi ro của thị trường tại thời điểm t
Theo lý thuyết CAPM cổ điển thì có giá trị không thay đổi theo thời gian. Tuy nhiên, các nghiên cứu thực nghiệm cho thấy cân bằng có giá trị thay đổi theo thời gian. Tuy nhiên, theo lý luận của HS thì đóng góp phần lớn vào sự thay đổi của giá trị beta theo thời gian được gây ra bởi tâm lý nhà đầu tư, trong khi đó beta cân bằng theo CAPM là ít có sự thay đổi, và sự thay đổi nếu có là rất chậm.
Giá trị beta thay đổi như thế nào khi có tác động của hành vi bầy đàn? Khi nhà đầu tư có xu hướng nhìn vào thành quả hoạt động của toàn bộ thị trường hơn là xem xét các điều kiện cơ bản của cổ phiếu mà họ nắm giữ, thì họ sẽ không
15
Hành vi bầy đàn thông thường được định nghĩa là các nhà đầu tư quan sát lẫn nhau và tiến hành việc mua và bán các tài sản giống nhau trên thị trường tại cùng thời điểm.
quan tâm đến beta cân bằng theo CAPM, mà hành động sao cho hướng tới việc điều chỉnh cho tỷ suất sinh lợi của cổ phiếu nắm giữ tương thích với tỷ suất sinh lợi thị trường. Trong trường hợp này, chúng ta nói rằng hành vi bầy đàn hướng tới thành quả hoạt động của thị trường diễn ra. Ví dụ, giả định rằng chỉ số thị trường tăng 20%. Lúc đó, đối với cổ phiếu có beta = 1.5, theo CAPM kỳ vọng hợp lý của mức tăng giá của cổ phiếu này sẽ là 30%. Và đối với cổ phiếu có beta = 0.5, thì kỳ vọng hợp lý của mức tăng giá cổ phiếu này theo CAPM sẽ là 10%. Tuy nhiên, khi xảy ra hiện tượng bầy đàn với xu hướng hướng tới thành quả hoạt động thị trường, các nhà đầu tư sẽ có xu hướng mua cổ phiếu có beta = 0.5 vì họ thấy rằng có vẻ như giá của cổ phiếu lúc bấy giờ là quá rẻ so với thị trường, do đó họ tin rằng giá của cổ phiếu này sẽ gia tăng. Ngược lại, các nhà đầu tư sẽ bán cổ phiếu có beta = 1.5 khi họ thấy rằng có vẻ giá cổ phiếu là quá mắc so với thị trường. Mở rộng ra, suy nghĩ theo một hướng khác của hành vi nhà đầu tư, hay hành vi bầy đàn ngược, các nhà đầu tư sẽ hành động theo hướng làm cho beta của cổ phiếu có beta lớn tăng thêm, và ngược lại, beta của cổ phiếu có beta nhỏ sẽ càng giảm thêm. Tức là, các cổ phiếu có beta lớn sẽ nhạy cảm hơn đối với thị trường, và cổ phiếu có beta nhỏ hơn sẽ trở nên ít nhạy cảm hơn so với thị trường. Điều này thể hiện sự hướng tới giá trị trung bình của beta cân bằng dài hạn, và thật sự thì hành vi bầy đàn ngược sẽ tồn tại nếu tồn tại hành vi bầy đàn vì phải có một số điều chỉnh mang tính hệ thống để hướng đến beta cân bằng trong CAPM khi beta bị nhà đầu tư xác định thấp hoặc cao hơn giá trị beta cân bằng.
Theo lý luận trên, HS cho rằng thay vì xảy ra beta cân bằng theo phương trình (1), mối quan hệ giữa phần bù rủi ro của cổ phiếu so với thị trường được thể hiện theo công thức dưới đây:
= = − ℎ − 1 (2)
Trong đó:
và phần bù rủi ro kỳ vọng của cổ phiếu i, và beta của cổ phiếu i tại thời điểm t trong điều kiện có hành vi bầy đàn.
ℎ là tham số đại diện cho hành vi bầy đàn, có giá trị thay đổi theo thời gian, và ℎ ≤ 1
Khi ℎ = 0, = , do đó không có tâm lý bầy đàn
Khi ℎ = 1, = 1, tức là beta của cổ phiếu bằng beta thị trường,
= . Do đó, ℎ = 1 thể hiện hành vi bầy đàn “hoàn hảo” khi tất cả các cổ phiếu biến động cùng chiều với cùng mức độ như của danh mục thị trường.
Khi 0 < ℎ < 1, hành vi bầy đàn tồn tại với mức độ được xác định thông qua giá trị của ℎ
Như đã thảo luận ở trên, khi xảy ra hành vi bầy đàn thì các cổ phiếu sẽ biến động theo hướng tiến lại gần mức độ biến động của thị trường. Nghĩa là:
Nếu > 1, tức > , hành vi bầy đàn sẽ tạo ra
hướng về , dẫn đến > > , và kết quả là
< , cổ phiếu trở nên ít rủi ro hơn so với thực chất (theo CAPM)
Nếu < 1, tức < , hành vi bầy đàn sẽ tạo ra
hướng về , dẫn đến < < , và kết quả là
> , cổ phiếu trở nên rủi ro hơn so với thực chất (theo CAPM)
Bên cạnh đó, như đã thảo luận, sự tồn tại hành vi bầy đàn cũng đồng nghĩa với sự tồn tại của hành vi bầy đàn ngược, được giải thích bởi ℎ < 0. Trong trường hợp này, đối với cổ phiếu có > 1 thì hành vi bầy đàn ngược tạo ra
> > . Điều này nghĩa là làm khuếch đại mức tăng (giảm) của cổ phiếu nhiều rủi ro. Ngược lại, đối với cổ phiếu có < 1 thì hành vi bầy đàn ngược làm cho < < .
ii. Mô hình đo lường hành vi bầy đàn
Với mục tiêu đo lường mức độ hành vi bầy đàn ở quy mô toàn thị trường, HS sử dụng toàn bộ cổ phiếu trong thị trường để loại bỏ tác động riêng biệt của một số cổ phiếu nào đó bằng cách sử dụng dữ liệu chéo toàn bộ cổ phiếu trên thị trường tại từng thời điểm t.
Và để đo lường biến động của beta cổ phiếu, HS thực hiện tính toán độ lệch chuẩn của beta (như đề cập ở trên, sử dụng dữ liệu chéo):
Stdβ!" # = $E β"!− Eβ!" ' =() − ℎ − 1 − 1' do ) # = 1 =() − 1 − ℎ − 1' =() − 11 − ℎ ' =() − 1'1 − ℎ =*+,) 1 − ℎ
Công thức (2) được viết lại như sau:
log0*+,) #1 = log2*+,) 3 + log 1 − ℎ (3)
Từ (3) có thể suy ra hmt.
Cuối cùng (3) được viết lại như sau:
log0*+,) #1 = 5 + 6 + 7 (4)
Trong đó:
log2*+, 3 = 5 + 7 (5)
với 5 = 2log2*+,) 33 và 7 ~99,0, ; ,<'
và 6 = log 1 − ℎ (6)
HS giả định rằng hệ số bầy đàn tuân theo quy tắc AR(1) và mô hình của họ trở thành:
log 2*+,) # = 5 + 6 + 7 (7)
6 = = 6 ,>?+ @ (8)
Hệ thống công thức (7) và (8) tạo thành một mô hình không gian trạng thái với biến không quan sát được là nhân tố bầy đàn. Để ước lượng các giá trị trong công thức, HS sử dụng phương pháp lọc Kalman.16 Do đó, trong hệ thống công thức trên, log [Stdc (β!" ] được kỳ vọng là sẽ thay đổi theo các mức độ bầy đàn khác nhau, sự thay đổi của nó sẽ được phản ánh thông qua Hmt. Sự chú ý đặc biệt ở đây tập trung vào mẫu hình của Hmt . Nếu σ,E' = 0, thì Hmt = 0, lúc này không có hiện tượng bầy đàn. Ngược lại, một giá trị đáng kể của σ,E' sẽ hỗ trợ cho sự tồn tại của hiện tượng bầy đàn và (như các tác giả đề cập) điều này sẽ được củng cố bởi một giá trị ϕ đáng kể. Giá trị tuyệt đối của ϕ sẽ nhận giá trị nhỏ hơn hoặc bằng 1, vì hiện tượng bầy đàn không được kỳ vọng là một quá trình diễn ra quá mức (bùng nổ).
Để kiểm định tính bền vững của các kết quả của nghiên cứu, HS tiến hành đánh giá lại mô hình gốc bằng cách thêm vào một số biến cả về cơ bản (tỷ số cổ tức/giá, lãi suất tín phiếu kho bạc, phần bù kỳ hạn, phần bù rủi ro phá sản) cũng như các biến phi cơ bản (biến động thị trường, chiều hướng thị trường, quy mô, tỷ số giá trị sổ sách/giá trị thị trường) vào công thức (7). Ý tưởng ở đây là đo lường xem liệu rằng ý nghĩa của Hmt có giữ vững ý nghĩa nếu có sự hiện diện của các biến tương ứng với các trạng thái khác nhau (hay sự thay đổi của các nhân tố cơ bản) của thị trường hay không. Nếu những sự thay đổi trong
log[Stdc ( ] được đóng góp vào những biến này và không phải hiện tượng bầy đàn ở mức độ thị trường, thì sự thêm vào của các biến này trong mô hình sẽ làm cho Hmt không có ý nghĩa.
Vì sự hạn chế trong việc thu thập số liệu ở thị trường Việt Nam, đề tài kiểm định tính bền vững của các kết quả từ mô hình gốc của HS (công thức 7-8) bằng cách sử dụng chiều hướng thị trường (được phản ánh qua tỷ suất sinh lợi của index) và sự biến động thị trường như các biến kiểm soát. Một cách cụ thể hơn, tôi đánh giá lại mô hình HS (2004) bằng cách sử dụng hai phiên bản khác của công thức (7) như trình bày dưới đây:
16
log0*+,) #1 = 5 + 6 + GHIJK,+ 7 (9)
log0*+,) #1 = 5 + 6 + GLMNO;IJK, +7 (10)
Trong đó rVNI,t là tỷ suất sinh lợi của VN-Index (VNI) ở thời điểm t và log σVNI,t
là logarith biến động thị trường được tính trên VN-Index.
2.4.2. Dữ liệu
2.4.2.1. Mẫu dữ liệu
Mẫu dữ liệu được thu thập từ tháng ngày 1/3/2002 (thời điểm bắt đầu giao dịch suốt 5 ngày/tuần)17 đến ngày 30/4/2010.
Dữ liệu được sử dụng là các số liệu về VN-Index, và các cổ phiếu niêm yết trên sàn giao dịch chứng khoán Thành phố Hồ Chí Minh. Tỷ suất sinh lợi phi rủi ro sử dụng trong các tính toán là lãi suất bình quân liên ngân hàng kỳ hạn 3 tháng (VNIBOR 3 tháng). 18
Nguồn thu thập dữ liệu: Reuters.
2.4.2.2. Phương pháp xử lý số liệu19
Từ dữ liệu gốc thu thập từ Reuters, các số liệu sử dụng trong các mô hình được tính toán như sau:
Các tỷ suất sinh lợi được tính theo công thức = ln Q QRS
Để ước lượng các thành phần không quan sát được trong 2 công thức (7), (8), đòi hỏi phải có chuỗi dữ liệu beta chéo của các cổ phiếu trong thị trường. Để làm điều này, trước tiên đề tài sử dụng dữ liệu theo ngày để tính giá trị beta của từng cổ phiếu và VN-Index trong từng tháng. Sau khi có số liệu beta từng
17 Việc sử dụng ngày bắt đầu của mẫu dữ liệu là ngày 1/3/2002 (ngày bắt đầu có giao dịch 5 ngày/tuần) mà không phải ngày bắt đầu giao dịch của HOSE để loại trừ ảnh hưởng (có thể có) của sự không đồng nhất chuỗi dữ liệu thời gian trước đó (chỉ giao dịch 3 ngày/tuần).
18
Đề tài sử dụng VNIBOR 3 tháng đại diện cho lãi suất phi rủi ro thay vì sử dụng lãi suất tín phiếu (trái phiếu kỳ hạn 1 năm) kho bạc vì những lý do sau: trong quá trình xử lý số liệu, có sử dụng phần bù rủi ro chứng khoán theo ngày, đòi hỏi phải có lãi suất phi rủi ro theo ngày và dữ liệu VNIBOR đáp ứng tiêu chí này, trong khi lãi suất trái phiếu 1 năm trong nhiều ngày không thu thập được (khi tác giả sử dụng Reuters Knowledge để truy xuất); ngoài ra, theo đánh giá của tác giả trên những số liệu VNIBOR 3 tháng và lãi suất trái phiếu kho bạc có sự tương quan lớn, mức chênh lệch không nhiều (đặc biệt khi tính ra lãi suất theo ngày)
19
tháng t của các cổ phiếu, tôi tiến hành tính beta chéo của toàn bộ cổ phiếu trong từng tháng bằng công thức sau: *+,)TV W = X∑ U J Z − Z[[[[[[U ' \? ] Trong đó, Z[[[[[[ =U ? J∑ ZJ \? , ] là số cổ phiếu ở tháng t.
Một cổ phiếu chỉ được ghi nhận là có mặt trong tháng t khi chúng có dữ liệu ít nhất là 13 ngày giao dịch trong tháng.
2.4.3. Kết quả từ mô hình
Sử dụng phần mềm Eviews để ước lượng các tham số đo lường mức độ hành vi bầy đàn, cũng như các kiểm định xem các tham số của hành vi bầy đàn có còn ý nghĩa thống kê khi đưa vào các biến kiểm soát (rVNI,t - chiều hướng thị trường; log σVNI,t – sự biến động thị trường) hay không.
Kết quả của các ước lượng được tóm tắt trong bảng sau:20
Bảng 4: Kết quả ước lượng từ các mô hình
20
Kết quả chi tiết chạy từ Eviews xem ở Phụ lục 7
Biến
Mô hình (7)&(8) (Mô hình gốc)
Mô hình (9)&(8) (Biến kiểm soát: Chiều hướng thị trường)
Mô hình (10)&(8) (Biến kiểm soát: Độ biến động thị trường) μ -0.863096 (0.071005)* -0.860943 (0.071246)* -3.632324 (0.168920)* ϕ 0.427426 (0.109353)* 0.430258 (0.111292)* 0.418408 (0.105102)* C(4) -0.230262 (0.350965) C(5) -0.618957 (0.032851)* σ,E 0.402157 (0.136237)* 0.401419 (0.141554)* 0.241448 (0.170978)* σ,E StdLog 0 Stdc β!" #1 0.8928042 0.889444 0.5460056
Số trong ngoặc đơn là sai số chuẩn của các ước lượng. * = có ý nghĩa thống kê ở mức ý nghĩa 1%. Nếu không có * nghĩa là giá trị ước lượng không có ý nghĩa