4. Trình bày kết quả nghiên cứu
4.2.1. Ước lượng hàm hồi quy theo phương pháp bình phương bé nhất có trọng số
(WLS, với trọng số từ phương trình ARIMA)
Trong thị trường vốn hiệu quả, các nhà đầu tư thường sử dụng dự báo phần bù rủi ro bằng cách dùng các biến như: độ lệch chuẩn, phương sai của tỷ suất sinh lợi, vì những biến này có tương quan với tỷ suất sinh lợi mong đợi. Vì thế chúng ta có thể ước lượng mối quan hệ này trên biến số độ lệch chuẩn và phương sai thị truờng chứng khoán. (ước lượng các mô hình (1) và (2) phụ lục 5.1.2)
Rmt – Rft = α + βσ + ε với p = 1,2 (1) Rmt – Rft = α + β + ε (1b)
Rmt – Rft = α + βσ + ε (1a)
Rmt – Rft = α + βσ + σ + ε với p = 1,2 (2) Rmt – Rft = α + β + σ + ε (2a) Rmt – Rft = α + βσ + σ + ε (2b)
Nếu β =0 thì phần bù rủi ro mong đợi không có mối tương quan với biến tỷ suất sinh lợi của chứng khoán. Nếu α=0 và β>0 phần bù rủi ro mong đợi tỷ lệ thuận với độ lệch chuẩn (p=1) hoặc phương sai (p=2) của tỷ suất sinh lợi chứng khoán.
Bảng 1: Hàm hồi qui được ước lượng bằng phương pháp bình phương bé nhất có trọng số ( từ mô hình ARIMA) thể hiện mối tương quan giữa phần bù rủi ro và độ biến động.
Rmt – Rft = α + βσ + ε với p = 1,2 Cách đo lường rủi ro Phương trình (1) Phương trình (2) R S( ) (a) -0.085064 2.173246 -0.140158 2.120432 0.784512 0.9195 0.105 SE (0.002323) (0.725736) (0.001584) (0.21314) (0.00203) P_value (0.0000) (0.0033) (0.000) (0.000) (0.000) ( ) -0.084637 10.34468 -0.140674 16.97408 0.796779 0.9032 0.115 SE (0.002377) (8.070315) (0.001830) (2.66856) (0.02351) P_value (0.000) (0.2020) (0.000) (0.000) (0.000)
Ứớc lượng trong hồi quy phương trình (1a), cung cấp một số bằng chứng về mối tương quan dương hệ giữa phần bù rủi ro mong đợi và độ biến động có thể ước lượng được. Kết quả ước lượng β=2.173246 với sai số (standard error) là 0.725736 (1a)
Ước lượng trong hồi quy phương trình (1b), cung cấp thêm bằng chứng về mối tương quan dương giữa phần bù rủi ro mong đợi và độ biến động có thể ước lượng được. Kết quả ước luợng β=10.34468 với sai số (standard error) là 8.070315
Chúng tôi đưa thêm nhân tố: rủi ro không thể dự đoán, vào mô hình hồi quy để cung cấp thêm một tác nhân ảnh hưởng của tỷ suất sinh lợi và sự biến động
Rmt– Rft=α + βσ + γσ + ε (2)
Trong hàm hồi quy này, σ = σ − σ là độ lệch chuẩn (rủi ro) không dự báo được (p=1) độ lệch chuẩn hoặc phương sai (p=2) của tỷ suất sinh lợi, chúng tôi làm thêm phương trình (2) để làm rõ hơn sự tự tương quan giữa tỷ suất sinh lợi và sự biến động. Từ kết quả của bảng (1), chúng tôi có 2 kết luận, thứ nhất: việc thêm sự biến động không dự đoán được( σ ) đã góp phần giải thích rõ hơn mối quan hệ giữa phần bủ rủi ro và biến động kỳ vòng (σ ) vì sai số của β ở phương trình (2) đã được giảm hẳn. Một kết luận quan trọng nữa là: chúng tôi thấy có mối tương quan dương giữa phần bù rủi ro và sự biến động không kỳ vọng(σ )(ở cả 2 cách đo lường rủi ro).
Thêm nữa, hệ số hồi quy β ở cả phương trình (1), (2) cung cấp cho chúng ta một số bằng chứng trực tiếp về mối quan hệ giữa phần bù rủi ro và sự biến động. Tất cả 4 hệ sốβđều là dương.
Ở bảng 1 cho ta một cơ sở khái quát để lựa chọn độ lệch chuẩn hay là phương sai của tỷ suất sinh lợi để đo lường độ biến động của thị trường. Phương sai của phần dư S(e) và R2của phương trình (1a) và (2a) nếu đo lường độ biến động bằng độ lệch chuẩn, thì tốt hơn S(e) và R2của phương trình (1b) và (2b) nếu đo lường độ biến động là phương sai. Từ đây, chúng tôi cho rằng có thể dùng độ lệch chuẩn để do lường độ biến động. Tuy nhiên sự khác biệt này là không lớn lắm. Chính vì thế để làm rõ hơn những vấn đề ở trên chúng tôi đã dùng mô hình GARCH in-mean để tiếp tục.