CHƢƠNG 2 PHƢƠNG PHÁP NGHIÊN CỨU
2.1. CÁC MƠ HÌNH CHÍNH ĐO LƢỜNG HÀNH VI ĐÁM ĐÔNG TRÊN
2.1.3. Mơ hình Huang, Salmon (2004)
Khi thị trƣờng hiệu quả có thể đƣa ra mơ hình CAPM trong điều kiện cân bằng nhƣ sau:
Et (rit ) = βimt Et (rmt )
Trong đó: rit : là phần bù tủi ro của chứng khoán i tại thời điểm t rmt : là phần bù rủi ro của thị trƣờng tại thời điểm t βimt : là hệ số cho biết rủi ro hệ thống của tài sản i Et : là kỳ vọng tại thời điểm t
Huang, Salmon (2004) đặt Et(rmt) trong thị trƣờng chung với ý nghĩa là phần bù rủi ro chung của thị trƣờng. Do đó Huang, Salmon (2004) cho rằng các nhà đầu tƣ sẽ tùy thuộc vào việc xác định Et(rmt) mà quyết định hành vi của mình. Nhƣ vậy các quan sát thực nghiệm của βimt có thể bị chệch trong ngắn hạn. Nhƣng ngƣợc lại việc đo lƣờng tâm lý đám đông không bị ảnh hƣởng bởi sự thay đổi của giá trị phần bù rủi ro chung của thị trƣờng.
Giả sử rằng mối quan hệ lợi suất và rủi ro bao gồm sự tồn tại của tâm lý đám đơng đƣợc biểu diễn qua phƣơng trình
Et(rmt) Eb(rit)
= βbimt = βimt - hmt (βimt – 1) (1)
Trong đó: Eb
t (rit) là kỳ vọng có điều kiện của phần bù rủi ro của tài sản i với điều kiện thị trƣờng bị tác động của hiệu ứng đám đông làm sai lệch mối quan hệ cân bằng. βb
imt là hệ số β của tài sản i tại thời điểm t với điều kiện thị trƣờng bị tác động của hiệu ứng đám đông làm sai lệch mối quan hệ cân bằng.
hmt là tham số đo mức độ hiệu ứng đám đông tại thời điểm t (hmt =<1)
Khi hmt = 0 thì βbimt = βimt do vậy khơng có tâm lý đám đơng và cân bằng CAMP xuất hiện.
Khi hmt = 1 thì βbimt = 1 thì phần bù rủi ro kỳ vọng của mỗi tài sản sẽ bằng với phần bù rủi ro thị trƣờng. Thể hiện hành vi đám dơng hồn hảo, có nghĩa là tâm lý đám đông dẫn dắt thị trƣờng và làm cho lợi suất của mọi tài sản sẽ thay đổi cùng hƣớng và cùng độ lớn với lợi suất của danh mục thị trƣờng.
Khi 0 < hmt < 1 : hành vi đám đông đang tồn tại trên thị trƣờng mà mức độ của hành vi đám đông thể hiện qua giá trị hmt.
Có thể giải thích mối quan hệ giữa kỳ vọng thực tế Ebt(rit) và kỳ vọng cân bằng Et(rit) của phần bù rủi ro theo từng loại hệ số β của tài sản i trong từng trƣờng hợp tồn tại hiệu ứng đám đông nhƣ sau:
Nếu tài sản có βimt > 1 tức Et(rit) > Et(rmt) nhƣ vậy khi có hành vi đám đơng thì lợi suất của tài sản sẽ thay đổi theo lợi suất thị trƣờng, do đó Eb
t(rit) có xu hƣớng tiến gần đến Et(rmt) đồng thời Et(rit) > Ebt(rit) > Et(rmt). Dẫn đến βb
imt < βimt và có nghĩa là tài sản trở nên ít rủi ro hơn so với mức hợp lý (theo CAMP).
Nếu tài sản có βimt < 1 tức Et(rit) < Et(rmt), khi có hiệu ứng đám đơng thì lợi suất của tài sản sẽ thay đổi theo lợi suất của thị trƣờng, do đó Ebt(rit) có xu hƣớng tiến gần đến Et(rmt) đồng thời Et(rit) < Ebt(rit) < Et(rmt). Dẫn đến βbimt > βimt và có nghĩa là tài sản trở nên rủi ro hơn so với mức hợp lý (theo CAMP).
Bên cạnh đó, sự tồn tại hành vi đám đông cũng đồng nghĩa với sự tồn tại của hành vi đám đông ngƣợc. Tƣơng tự nhƣ trên, hành vi đám đông ngƣợc thể hiện cùng với hmt < 0 lúc này tài sản có βimt > 1 thì hành vi đám đơng ngƣợc tạo ra Ebt(rit) > Et(rit) > Et(rmt), nghĩa là làm khuếch đại mức tăng (giảm) của cổ phiếu nhiều rủi ro. Đối với tài sản có βimt < 1 thì hành vi đám đơng ngƣợc làm cho Ebt(rit) < Et(rit) < Et(rmt).
Do βimt và hmt đều không thể quan sát đƣợc nên không thể đo lƣờng trực tiếp hmt cho từng tài sản nhất là khi giá trị βimt khơng phải là hằng số. Vì vậy, Huang, Salmon (2004) giả định mơ hình (1) thỏa mãn tất cả các tài sản trên thị trƣờng để tính mức độ hiệu ứng đám đông cho tất cả các tài sản trên thị trƣờng. Nếu có tâm lý đám đơng chi phối thị trƣờng thì mức độ biến động của các hệ số β các tài sản sẽ thay đổi theo thời gian ngắn ngay cả khi các yếu tố vĩ mơ khơng thay đổi. Do đó dùng độ biến động của các hệ số β theo tháng là biến dùng để phân tích và đo lƣờng hiệu ứng đám đông. Trong khoảng thời
gian một tháng các yếu tố vĩ mô, yếu tố cấu trúc vốn, ngành nghề doanh nghiệp hầu nhƣ ít thay đổi. Nếu độ biến động của hệ số β có ý nghĩa thì đó là một bằng chứng cho thấy sự tồn tại tâm lý đám đông trên thị trƣờng.
Để đo lƣờng biến động của β cổ phiếu, Huang, Salmon (2004) thực hiện tính tốn độ lệch chuẩn của β nhƣ sau:
Stdc(βbimt) = b 2 imt ( )) (( c imtb c E E = 2 imt ( 1) 1) (( mt imt c h E do Ec(βbimt) = 1 = 2 imt 1 ( 1)) (( mt imt c h E = Ec((( imt 1)(1 hmt))2) = Ec((( imt 1)2)(1 hmt) = Stdc(βimt)(1 – hmt) (2)
Trong đó: Ec(.) là kỳ vọng của bình phƣơng sai lệch giữa giá trị hệ số β thực tế của từng tài sản so với giá trị trung bình chung của các hệ số β cân bằng tại thời điểm t.
Stdc(.) là độ lệch tiêu chuẩn chéo CSSD
Trong phƣơng trình (2) Huang, Salmon (2004) xem Stdc(βimt) là ngẫu nhiên và có thể cung cấp thơng tin về sự thay đổi quanh giá trị cân bằng của hệ số β. Tuy nhiên, các tác giả cũng đã cho thấy rằng trong điều kiện cân bằng thì Stdc(βimt) khó có thể thay đổi ngoại trừ trƣờng hợp cấu trúc của công ty trong thị trƣờng đột ngột thay đổi. Chính vì vậy mà có thể giả định rằng Stdc(βimt) sẽ không mang theo thông tin về bất cứ sự thay đổi nào từ hệ thống và sự thay đổi của Stdc(βimt) trong ngắn hạn sẽ là thông tin về sự thay đổi của hmt.
Thực hiện logarit hai vế của phƣơng trình (2) log[Stdc(βbimt)] = log[Stdc(βimt)] + log(1-hmt) Theo giả thiết Stdc(βimt) là ngẫu nhiên nên:
log[Stdc(βimt)] = μm + υmt
Do μm = E[log[Stdc(βimt)]] và υmt ~ idd(0,σ2mυ) nên log[Stdc(βbimt)] = μm + Hmt + υmt
Với Hmt = log(1-hmt) và Hmt là một quá trình động thay đổi theo thời gian. Do đó mơ hình đo lƣờng hành vi đám đông đƣợc viết nhƣ sau:
log[Stdc(βbimt)] = μm + Hmt + υmt (3)
Hmt = σm Hm(t 1) μmt
Trong đó μmt ~ idd(0,σ2mn). Đây là một q trình ngẫu nhiên với khơng gian trạng thái tiêu chuẩn nên tƣơng tự nhƣ phƣơng pháp ƣớc lƣợng các mơ hình q trình ngẫu nhiên, có thể dùng bộ lọc Kalman để ƣớc lƣợng biến trạng thái Hmt.
Bảng 2.1: Ƣu điểm, nhƣợc điểm của các mơ hình dùng để đo lƣờng hành vi đám đơng trên thị trƣờng chứng khốn.
Mơ hình Ƣu điểm Nhƣợc điểm
Mơ hình
Chang, Cheng và Khorana (2000)
Đơn giản, dễ dàng thu thập dữ liệu
Chỉ giải thích hành vi đám đơng bằng mơ hình dạng tuyến tính. Xác định hành vi đám đơng một cách gián tiếp. Mơ hình
Chang, Cheng và Khorana (2000)
Đơn giản, dễ dàng thu thập dữ liệu, đã sử dụng hàm hồi quy phi tuyến tính để kiểm tra mối quan hệ giữa CSAD và tỷ suất sinh lợi thị trƣờng
Xác định hành vi đám đơng một cách gián tiếp. Mơ hình Huang, Salmon (2004)
Dữ liệu dễ thu thập, đo lƣờng trực tiếp tham số hành vi đám đơng.
Khó phân tích dữ liệu, phải sử dụng bộ lọc Kalman.