Các dữ liệu được thống kê mô tả các đặc tính cơ bản. Tất cả dữ liệu được phân tích theo: giá trị trung bình (mean), độ lệch chuẩn (Std. Dev), hệ số bất đối xứng (Skewness), hệ số nhọn (Kurtosis), hệ số Jarque-Bera (Jarque-Bera). Kết quả thu được trong bảng 4.1.
Chuỗi dữ liệu gốc
Số liệu thống kê mô tả của dữ liệu sáu Ngân hàng cho thấy tất cả các phân phối là không cân xứng và đều có độ lệch dương (positive skewness) đáng kể S > 0,5. Có nghĩa là số yếu vị (mode) nhỏ hơn số trung vị (median), và số trung vị (median) lại nhỏ hơn số bình quân (mean). Giá trị tuyệt đối của hệ số bất đối xứng Skewness càng cao thì phân phối đó càng bất đối xứng. Ngân hàng SHB có giá trị hệ số Skewness cao nhất nên phân phối lệch dương nhiều nhất.
Phân phối chuẩn có Kurtosis = 3. Ngoại trừ VCB, các ngân hàng đều có giá trị hệ số nhọn Kurtosis lớn hơn 3. Khi đó, Excess Kurtosis = Kurtosis - 3 mang giá trị dương được gọi là phân phối Leptokurtic, hay phân phối có đuôi “béo” hơn phân phối chuẩn (fatter tail). Ngược lại, VCB có giá trị Excess Kurtosis nhỏ hơn 0 nên gọi là phân phối Platykurtic, hay phân phối có đuôi “mỏng” hơn phân phối chuẩn.
Tương tự đối với năm nhân tố vĩ mô, phân phối của tỷ giá (EX) có độ lệch âm. Có nghĩa là số yếu vị (mode) lớn hơn số trung vị (median), và số trung vị (median) lại lớn hơn số bình quân (mean). Bốn nhân tố còn lại là CPI, IPI, IR, VN-Index đều có phân phối lệch dương. IR là nhân tố có phân phối lệch dương nhiều nhất. IPI, IR, VN- Index có giá trị hệ số Kurtosis lớn hơn 3, tương ứng phân phối Leptokurtic. Hai nhân tố còn lại có phân phối Platykurtic.
Nhìn chung, các giá trị hệ số bất đối xứng Skewness và hệ số nhọn Kurtosis đều không sai khác quá lớn so với phân phối chuẩn. Do đó, mô hình hoá các phân phối này sẽ có kết quả không bị sai khác nghiêm trọng.
Theo kết quả kiểm định Jarque-Bera thu được trên bảng 4.1 tất cả các mã chứng khoán ngân hàng và các nhân tố đều có phân phối chưa chuẩn (P-value < 0,05).