7. Bố cục đề tài
2.6 KIỂM ĐỊNH MÔ HÌNH
2.6.1. Kiểm định hệ số chặn
Phần này kiểm tra sự kết hợp của các biến giải thích trong mô hình có đủ để giải thích sự biến động của tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ không, từ đó cho thấy mô hình hồi quy có tốt hay không.
Mô hình nghiên cứu có dạng:
Rit - Rft = αi + βiMRPt + siSMBt + hiHMLt +piPMUt + eit
Nếu mô hình nghiên cứu nắm bắt đƣợc mọi biến động của tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ thì các hệ số chặn trong các mô hình hồi quy sẽ đồng thời bằng 0.
Để kiểm tra các hệ số chặn trong mô hình hồi quy có bằng 0 hay không, đề tài sử dụng giá trị thống kê t trong Eviews để kiểm định cặp giả thuyết sau:
- H0: Hệ số chặn α = 0; - H1: Hệ số chặn α ≠ 0.
Nếu giá trị xác xuất Prob (t-statistic) > mức ý nghĩa = 5% thì có thể chấp nhận H0, hệ số chặn α không có ý nghĩa thống kê với mức ý nghĩa 5%. Điều này có nghĩa là các biến MRPt, SMBt, HMLt, PMUt phản ánh đầy đủ sự biến động của tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ.
2.6.2. Kiểm định ý nghĩa của các hệ số hồi quy riêng
Các hệ số hồi quy riêng cho biết ảnh hƣởng của từng biến độc lập lên biến phụ thuộc khi giá trị của các biến còn lại đƣợc giữ không đổi.
-H0: β = 0 (Tƣơng tự với các trƣờng hợp của si, hi, pi) -H1: β ≠ 0
Ta sử dụng giá trị thống kê t trong Eviews để kiểm định cặp giả thuyết nêu trên.
Nếu Prob (t-statistic) < = 5% thì bác bỏ giả thuyết H0, tức là hệ số hồi quy riêng có ý nghĩa trong mô hình với mức ý nghĩa 5%.
2.6.3. Kiểm định sự phù hợp của mô hình
R2 đƣợc sử dụng làm thông số đo lƣờng mức độ phù hợp của mô hình theo quy tắc R2 tiến đến 1 thì mô hình càng phù hợp, R2 càng gần 0 thì mô hình càng kém phù hợp.
Để kiểm định sự phù hợp của mô hình, hay nói cách khác là kiểm định mô hình có ý nghĩa toàn phần hay không, đề tài sử dụng thống kê F của mô hình Fisher để kiểm định với cặp giả thuyết nhƣ sau:
- H0: R2 = 0: Mô hình hồi quy không có ý nghĩa thống kê; - H1: Mô hình hồi quy có ý nghĩa thống kê.
Nếu Prob. (F-statistic) < mức ý nghĩa 5% thì bác bỏ giả thuyết H0, tức là mô hình hồi quy có ý nghĩa thống kê với mức ý nghĩa 5%.
2.6.4. Kiểm định hiện tƣợng tự tƣơng quan
Một trong những giả thiết của mô hình hồi quy tuyến tính cổ điển là không có tƣơng quan giữa các nhiễu Ui, nghĩa là:
Cov (Ui, Uj) = 0 (i ≠ j)
Tuy nhiên, trong thực tế có thể xảy ra hiện tƣợng mà sai số của các quan sát lại phụ thuộc nhau. Nghĩa là:
Cov (Ui, Uj) ≠ 0 (i ≠ j)
Để đơn giản ta xét mô hình sau: Yt = β1 + β2Xt + Ut
εt thỏa mãn các giả thiết của OLS.
Xem xét giả thuyết: H0: ρ1 = ρ2 =...= ρp = 0, có nghĩa là không tồn tại tự tƣơng quan ở bất kỳ bậc nào.
Giả thuyết này có thể đƣợc kiểm định bằng kiểm định Breusch – Godfrey trong Eviews.
Nếu Prob. > mức ý nghĩa = 5% thì có thể chấp nhận H0, tức mô hình không có hiện tƣợng tự tƣơng quan với mức ý nghĩa 5%.
2.6.5. Kiểm định phƣơng sai sai số thay dổi
Khi nghiên cứu mô hình hồi quy tuyến tính cổ điển, chúng ta đã đƣa ra giả thiết rằng: phƣơng sai của mỗi một nhiễu ngẫu nhiên Ui trong điều kiện giá trị đã cho của biến giải thích Xi là không đổi, nghĩa là
Var(UiXi) = E[Ui - E(Ui)]2 = E(Ui)2 = 2
i = 1, 2,…,n
Tuy nhiên trong một số mô hình lại không thỏa điều này, đây là hiện tƣơng phƣơng sai sai số thay đổi.
Xét mô hình sau đây: Yi = 1+2X2+3X3+Ui
Uớc lƣợng mô hình trên bằng OLS. Từ đó thu đƣợc các phần dƣ tƣơng ứng ei.
Tiếp tục ƣớc lƣợng mô hình sau đây: e2i = 1 + 2X2 + 3X3 + 4X2
2
+ 5X2 3
+ 6X2X3 + Vi
Để kiểm định giả thuyết H0: mô hình có phƣơng sai sai số không thay đổi (α2 = α3 = …. = α6 = 0), ta có thể sử dụng kiểm định White trong Eviews.
Nếu Prob. > mức ý nghĩa = 5% thì có thể chấp nhận H0, tức mô hình không tồn tại hiện tƣơng phƣơng sai sai số thay đổi.
KẾT LUẬN CHƢƠNG 2
Trong chƣơng 2, luận văn nêu rõ mô hình nghiên cứu và các giả thuyết nghiên cứu, trình bày cách thức thu thập dữ liệu và xử lý dữ liệu, cách phân chia, xây dựng các danh mục đầu tƣ, trên cơ sở đó tính toán giá trị của các biến số trong mô hình nghiên cứu, bao gồm các biến phần bù rủi ro thị trƣờng MRP, phần bù quy mô SMB, phần bù giá trị HML, phần bù khả năng sinh lời PMU. Bên cạnh đó, trong chƣơng này, tác giả trình bày phƣơng pháp ƣớc lƣợng mô hình hồi quy và các kiểm định đƣợc sử dụng trong nghiên cứu. Nội dung của chƣơng 2 là cơ sở để đề tài đƣa ra các kết quả nghiên cứu liên quan đến ƣớc lƣợng và kiểm định mô hình trong chƣơng 3.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU 3.1. THỐNG KÊ MÔ TẢ
Phần này trình bày thống kê mô tả của các nhân tố trong mô hình, cụ thể là giá trị trung bình, giá trị trung vị, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn của biến phụ thuộc (tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ) và các biến giải thích MRP, SMB, HML và PMU.
Bảng 3.1. Thống kê mô tả tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ
Danh mục Giá trị trung bình Giá trị trung vị Giá trị lớn nhất Giá trị nhỏ nhất Độ lệch chuẩn BH 0,00021 0,00079 0,03550 -0,03428 0,01093 BM 0,00013 0,00052 0,02782 -0,04055 0,00768 BL 0,00016 0,00035 0,03519 -0,05733 0,01005 SH 0,00055 0,00036 0,01715 -0,02034 0,00573 SM 0,00118 0,00121 0,01989 -0,01891 0,00549 SL 0,00126 0,00160 0,03159 -0,02976 0,00830 BP 0,00027 0,00012 0,04453 -0,05938 0,01159 BN 0,00009 0,00069 0,03297 -0,04620 0,00977 BU -0,00018 0,00019 0,03628 -0,04451 0,00970 SP 0,00140 0,00135 0,02099 -0,02338 0,00576 SN 0,00111 0,00118 0,01641 -0,01803 0,00537 SU 0,00032 0,00062 0,02488 -0,02534 0,00771 Tỷ suất lợi tức vƣợt trội của 12 danh mục đầu tƣ nằm trong khoảng từ - 0,00018 đến 0,00140. Trong đó, danh mục BU (danh mục gồm cổ phiếu các
công ty có quy mô lớn và khả năng sinh lời thấp) có tỷ suất lợi tức vƣợt trội thấp nhất, danh mục SP (danh mục gồm cổ phiếu các công ty có quy mô nhỏ và khả năng sinh lời cao) có tỷ suất lợi tức vƣợt trội cao nhất. Trừ trƣờng hợp danh mục BU có tỷ suất lợi tức vƣợt trội âm (-0,00018), tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ còn lại đều lớn hơn 0. Trong số các danh mục đƣợc sắp xếp dựa theo quy mô và GP/A, tỷ suất lợi tức vƣợt trội của các danh mục tăng dần theo thứ tự BU, BN, BP, SU, SN, SP. Trong mỗi nhóm quy mô, các danh mục gồm những công ty có khả năng sinh lời cao có tỷ suất lợi tức vƣợt trội cao hơn so với các danh mục gồm những công ty có khả năng sinh lời thấp. Danh mục SN có độ lệch chuẩn thấp nhất (0,00537), trong khi đó danh mục BP có độ lệch chuẩn cao nhất (0,01159).
Bảng 3.2. Thống kê mô tả giá trị các biến giải thích trong mô hình Biến giải thích Giá trị trung bình Giá trị trung vị Giá trị lớn nhất Giá trị nhỏ nhất Độ lệch chuẩn MRP 0,00024 0,00086 0,03850 -0,05893 0,01017 SMB 0,00086 0,00075 0,02964 -0,01676 0,00639 HML -0,00033 -0,00049 0,02377 -0,02846 0,00725 PMU 0,00077 0,00076 0,03005 -0,02004 0,00704 Dựa vào bảng 3.2, ta nhận thấy phần bù quy mô SMB có giá trị trung bình lớn nhất (0,00086), tiếp đến là phần bù khả năng sinh lời PMU (0,00077), phần bù rủi ro thị trƣờng MRP (0,00024), đặc biệt phần bù giá trị HML nhận giá trị âm (-0,00033). Trong các biến giải thích, biến SMB có độ lệch chuẩn nhỏ nhất (0,00639), trong khi đó, biến MRP có độ lệch chuẩn cao nhất (0,01017).
Giá trị trung bình của biến PMU mang dấu dƣơng cho thấy danh mục đầu tƣ gồm cổ phiếu của các công ty có khả năng sinh lời cao có tỷ suất lợi
tức cao hơn so với danh mục đầu tƣ gồm cổ phiếu của các công ty có khả năng sinh lời thấp. Điều này là hoàn toàn phù hợp với nghiên cứu của Novy- Marx (2013).
Với kết quả trong nghiên cứu của Fama-French trên thị trƣờng Mỹ giai đoạn 1963-1991 thì chuỗi SMB và HML có trung bình dƣơng, tức các cổ phiếu có quy mô nhỏ thì có tỷ suất lợi tức lớn hơn cổ phiếu có quy mô lớn, và cổ phiếu có BE/ME cao thì có tỷ suất lợi tức lớn hơn cổ phiếu có BE/ME thấp. Với kết quả thống kê mô tả đƣợc trình bày ở Bảng 3.2, chuỗi SMB có giá trị trung bình dƣơng, giống với kết quả của Fama-French nhƣng chuỗi HML có giá trị trung bình âm. Điều này có nghĩa là trên thị trƣờng HOSE trong giai đoạn 2014-2016, các cổ phiếu có quy mô nhỏ có tỷ suất lợi tức cao hơn cổ phiếu có quy mô lớn và các cổ phiếu có BE/ME cao có tỷ suất lợi tức thấp hơn các cổ phiếu có BE/ME thấp.
3.2. MA TRẬN HỆ SỐ TƢƠNG QUAN
Bảng 3.3. Ma trận hệ số tƣơng quan giữa các biến giải thích
MRP SMB HML PMU
MRP 1 -0,71375 -0,23083 0,07449
SMB -0,71375 1 0,095212 -0,05742
HML -0,23083 0,095212 1 -0,53767
PMU 0,07449 -0,05742 -0,53767 1 Dựa vào ma trận hệ số tƣơng quan giữa các biến giải thích, ta nhận thấy do đƣợc xây dựng độc lập với nhau nên các biến giải thích có hệ số tƣơng quan tƣơng đối thấp, cho thấy mỗi biến đại diện cho một yếu tố ảnh hƣởng độc lập đến tỷ suất lợi tức của cổ phiếu. Nhân tố PMU tƣơng quan ngƣợc chiều với SMB và HML trong khi tƣơng quan cùng chiều với MRP.
3.3. ƢỚC LƢỢNG MÔ HÌNH
Đề tài sử dụng phƣơng pháp OLS để ƣớc lƣợng các mô hình hồi quy tỷ suất lợi tức vƣợt trội của các DMĐT theo mô hình:
Rit - Rft = αi + βiMRPt + siSMBt + hiHMLt +piPMUt + eit. Các kết quả ƣớc lƣợng mô hình đƣợc trình bày ở Bảng 3.4.
Bảng 3.4. Kết quả ƣớc lƣợng mô hình Danh mục αi βi si hi pi R2 BH 0,00065 0,62460 -0,25553 0,86896 -0,11401 0,68806 BM 0.00058 0.39284 -0.29926 -0.03403 -0.39332 0.60752 BL 0,00034 0,56062 -0,57932 -0,24473 0,13828 0,88611 SH 0,00026 0,50798 0,42689 0,36081 -0,09437 0,54812 SM 0,00069 0,46100 0,50363 0,11176 -0,02358 0,34286 SL 0,00057 0,57196 0,75068 -0,52550 -0,34666 0,48569 BP 0,00014 0,65797 -0,49371 -0,12771 0,46154 0,79979 BN 0,00063 0,40138 -0,61206 -0,27179 -0,26337 0,64313 BU 0,00066 0,43848 -0,46997 -0,06625 -0,73672 0,72904 SP 0,00065 0,43321 0,59440 0,06105 0,20551 0,34048 SN 0,00070 0,44903 0,44392 0,11675 -0,05228 0,35111 SU 0,00013 0,65270 0,57066 -0,00041 -0,59623 0,63980 Dựa vào kết quả ƣớc lƣợng mô hình đạt đƣợc, ta nhận thấy hệ số αi trong các mô hình nhận giá trị trong khoảng từ 0,00013 (danh mục SU) đến 0,0007
(danh mục SN). Các giá trị αi khá nhỏ và gần bằng 0, cho thấy không có sự chênh lệch đáng kể giữa tỷ suất lợi tức thực tế và tỷ suất lợi tức kỳ vọng ƣớc lƣợng bằng mô hình 4 nhân tố đang nghiên cứu. Tuy nhiên, αi có ý nghĩa về mặt thống kê hay không, hay nói cách khác sự kết hợp giữa các biến trong mô hình có đủ để giải thích hết sự biến động của tỷ suất lợi tức của cổ phiếu hay không, điều này sẽ đƣợc làm rõ trong phần kiểm định hệ số chặn.
Dựa vào kết quả ƣớc lƣợng mô hình, ta nhận thấy các danh mục đầu tƣ có khả năng sinh lời cao nhƣ BP và SP đều có pi > 0, cụ thể danh mục BP có pi = 0,46154, danh mục SP có pi = 0,20551, trong khi các danh mục đầu tƣ có khả năng sinh lời từ trung bình đến thấp có pi < 0, cụ thể danh mục danh mục BN có pi = -0,26337, danh mục BU có pi = -0,73672, danh mục SN có pi = - 0,05228, danh mục SU có pi = -0,59623. Kết quả ƣớc lƣợng cho thấy, cùng một nhóm quy mô, danh mục nào có GP/A lớn hơn thì hệ số của nhân tố PMU lớn hơn. Hệ số pi của các danh mục BP, BN, BU lần lƣợt là 0,46154 > - 0,26337 > -0,73672. Hệ số pi của các danh mục SP, SN, SU lần lƣợt là 0,20551 > -0,05228 > -0,59623. Điều này là phù hợp với nghiên cứu của Novy-Marx, rằng các công ty có khả năng sinh lời cao tỷ suất lợi tức cổ phiếu cao hơn các công ty có khả năng sinh lời thấp.
Hệ số βi nhận giá trị dƣơng trong 12/12 danh mục đầu tƣ và dao động từ 0,39284 đến 0,65797. Kết quả này cho thấy các danh mục biến động cùng chiều với thị trƣờng trong giai đoạn 2014-2016.
Kết quả phân tích hồi quy cho thấy ảnh hƣởng của nhân tố quy mô công ty đến tỷ suất sinh lời của các danh mục có sự khác nhau. Đối với các danh mục có quy mô nhỏ (SH, SM, SL, SP, SN, SU), biến số SMB có quan hệ thuận chiều với tỷ suất sinh lời của danh mục. Một cách cụ thể, hệ số tƣơng quan giữa biến SMB với tỷ suất sinh lời của các danh mục SH, SM, SL, SP, SN, SU lần lƣợt là 0,42689; 0,50363; 0,75068; 0,59440; 0,44392; 0,57066.
Tuy nhiên, đối với các danh mục có quy mô lớn (BH, BM, BL, BP, BN, BU), biến số SMB lại có quan hệ nghịch chiều với tỷ suất sinh lời của danh mục. Cụ thể, hệ số tƣơng quan giữa biến SMB với tỷ suất sinh lời của các danh mục BH, BM, BL, BP, BN, BU lần lƣợt là -0,25553; -0.29926; -0,57932; - 0,49371; -0,61206; -0,46997.
Kết quả trên còn cho thấy các danh mục có tỷ số BE/ME càng cao thì mức độ ảnh hƣởng của biến số HML đến tỷ suất sinh lời của danh mục càng lớn. Cụ thể là, hệ số hi trong danh mục BH và SH lần lƣợt là 0,86896 và 0,36081, trong khi hệ số hi của biến số HML trong trƣờng hợp danh mục BM, BL, SM, và SL lần lƣợt là -0.03403, -0,24473, 0,11176 và -0,52550. Có thể thấy, biến HML có quan hệ ngƣợc chiều với tỷ suất sinh lời của các danh mục có tỷ số BE/ME thấp (danh mục SL và BL) và có quan hệ cùng chiều với tỷ suất sinh lời của các danh mục có tỷ số BE/ME cao (danh mục BH và SH).
Đa số các mô hình hồi quy đều có R2
tƣơng đối cao, từ 0,33692 (danh mục SP) đến 0.886111 (danh mục BL). Với giá trị trung bình của R2
bằng 58,85%, cho thấy các mô hình giải thích đƣợc bình quân 58,85% sự biến động của tỷ suất lợi tức vƣợt trội của các danh mục đầu tƣ.
3.4. KIỂM ĐỊNH MÔ HÌNH 3.4.1. Kiểm định hệ số chặn 3.4.1. Kiểm định hệ số chặn
Kết quả kiểm định hệ số chặn trong mô hình đƣợc trình bày ở Bảng 3.5. Kết quả kiểm định cho thấy có 3/12 mô hình có hệ số chặn không có ý nghĩa thống kê ở mức 5%, cụ thể là các danh mục SH, BP và SU. Kết quả này cho thấy các biến độc lập trong mô hình giải thích đầy đủ sự biến động của tỷ suất lợi tức vƣợt trội của các danh mục SH, BP và SU. 9/12 mô hình còn lại có hệ số chặn có ý nghĩa thống kê ở mức 5%. Điều này chứng tỏ ngoài các nhân tố đƣợc xem xét trong mô hình nhƣ phần bù rủi ro thị trƣờng, phần bù quy mô, phần bù giá trị và phần bù khả năng sinh lời, còn có các yếu tố khác
giải thích tốt cho sự biến động của tỷ suất lợi tức cổ phiếu chƣa đƣợc đƣa vào mô hình.
Bảng 3.5. Kết quả kiểm định hệ số chặn của mô hình
Danh