4.1.1. Mô tả dữ liệu
Sau khi thực hiện xử lý dữ liệu, bài khóa luận đã lựa chọn 5 chỉ số trung bình chứng
khoán của các thị trường có mức độ thích hợp và phản ứng rõ ràng nhất với các mô hình kiểm định. Cụ thể các chỉ số được lựa chọn là: chỉ số VN-Index (VNI), chỉ số Jakarta Stock Exchange Composite (JSKE), chỉ số Kuala Lumpur KLCI (KLSE), chỉ số PSEi Composite (PSI) và chỉ số Shanghai (SCI). Trong đó, các quốc gia có thị trường chứng khoán tương ứng với các chỉ số trên lần lượt là: Việt Nam, Indonesia, Malaysia, Philippines và Trung Quốc.
Số liệu tổng quan sau khi thực hiện kiểm định ban đầu như sau:
Nguồn: Tính toán của tác giả
Với 2980 quan sát, trước hết có thể thấy kết quả thu được từ các chỉ số đều có giá trị trung bình và trung vị xấp xỉ bằng nhau. Trong đó, chỉ số SCI của thị trường chứng khoán Thượng Hải có giá trị trung bình nhỏ hơn 0, có sự khác biệt với các chỉ số còn lại. Bên cạnh đó, qua kiểm định về độ nhọn (skewness) với giả thiết:
H0: skewness = 0
H1: skewness ≠ 0
Đều cho những kết quả kiểm định có độ nhọn khác 0, với giá trị dao động trong khoảng -1 đến 1. Như vậy, bác bỏ giả thiết H0, chấp nhận giả thiết H1, dữ liệu được sử dụng trong bài có phân phối chuẩn.
Đồng thời, kiểm định ADF về tính dừng của chuỗi dữ liệu với giả thiết:
Ho': β = 0 H1: β < 0
Cũng cho các kết quả có giá trị nhỏ hơn 0. Có thể thấy các kiểm định đều cho kết quả tương tự nhau, vậy nên có thể kết luận rằng các chỉ số được phân tích đều có tính dừng (stationary). Biểu đồ biểu diễn phân phối của 5 chỉ số trung bình chứng khoán ở các thị trường sẽ được thể hiện như sau:
Hình 2 - Phân phối dữ liệu tỷ suất sinh lời của chỉ số VN-Index
1/1/2000 1/1/2005 1/1/2010
date 1/1/2015 1/1/2020
Hình 3 - Phân phối dữ liệu tỷ suất sinh lời của chỉ số Jakarta Stock Exchange Composite (JSKE)
Hình 4 - Phân phối của dữ liệu tỷ suất sinh lời của chỉ số Kuala Lumpur (KLSE)
rVNI rJSKE rKLSE rPSI rSCI ARMA L.ar -0.086 -0.213 -0.404*** 0.034 0.070 (-1.098) (-1.240) (-4.042) (0.201) (0.215) L.ma 0.287*** 0.287* 0.485*** 0.047 -0.114 (3.654) (1.667) (5.354)+ (0.275) (-0.351) HET full_moon7 0.103*** 0.133*** -0.046*** 0.088*** 0.153*** (3.743) (6.404) (-3.248) (5.660) (6.518) _cons -8.444*** -8.668*** -9.528*** -8.729*** -8.353***
Hình 6 - Phân phối dữ liệu tỷ suất sinh lời của chỉ số Shanghai - Trung Quốc (SCI)
4.1.2. Ảnh hưởng của trăng tròn lên thị trường chứng khoán
Sau khi kiểm định chuỗi dữ liệu của các chỉ số đều cho kết quả phù hợp, bài khóa luận tiếp tục thực hiện kiểm định ảnh hưởng hiệu ứng Trăng Tròn thông qua mô hình hồi quy với mô hình ARIMA (1,1).
Mô hình hồi quy có dạng: rt = φ1rt-1 + 0t — θ10t-1 + φ2Fullmoon
Với 0t = ∂t∈t
Trong đó, hiệu ứng Trăng Tròn có tính chất định tính đã được thể hiện bằng biến giả (dummy) “Fullmoon” để thực hiện phân tích một cách định lượng thông qua các chuỗi dữ liệu của 5 chỉ số.
Kết quả của quá trình hồi quy được thể hiện qua bảng sau:
rVNI rJSKE rKLSE rPSI rSCI ARMA L.ar 0.169*** 0.089*** 0.035*** 0.082*** -0.029 (7.462) (3.747) (3.736) (5.486) (-1.356) HET full_moon7 -0.126 0.397*** -0.036*** 0.054*** 9.257*** (-1.030) (2.725) (-3.934) (4.948) (27.751) _cons -10.809*** -11.068*** -8.739*** -8.001*** -21.177 (-131.612) (-36.687) (-266.416) (-142.853) (.) ARCH L.arch 0.634*** 0.323*** -0.002*** 0.001 0.212*** (24.171) (19.873) (-7.930) (0.815) (17.623) L.garch 0.372*** 0.591*** -0.995*** -0.928*** 0.755*** (19.097) (17.164) (-13.537) (-8.290) (82.571) N 4472 4472 4472 4472 4472 AIC -25986.615 -26357.110 -30079.550 -26213.824 -24836.785 BIC -25954.587 -26325.082 -30047.522 -26181.796 -24811.163 t statistics in parentheses * p<0.1, ** p<0.05, *** p<0.01
Như vậy, tại mức ý nghĩa 1%, bảng dữ liệu kiểm định cho thấy hiệu ứng Trăng Tròn đều có tác động lên cả 5 chỉ số. Mức độ phản ứng lại với hiệu ứng của mỗi thị trường khác nhau là khác nhau tại thời điểm trăng tròn. Trong đó, chỉ số có phản ứng tiêu cực là chỉ số KLSE của thị trường chứng khoán Kuala Lumpur - Malaysia được thể
hiện qua tỷ suất sinh lời mang dấu âm tại thời điểm quan sát. Nói cách khác, các cá thể trên thị trường chứng khoán Kuala Lumpur đã lựa chọn bán ra nhiều cổ phiếu hơn và khiến tỷ suất lợi nhuận thu được theo ngày tại thời điểm trăng tròn này có giá trị nhỏ hơn 0. Ngược lại, các chỉ số còn lại đều có phản ứng tích cực trong chu kỳ trăng tròn với tỷ suất lợi nhuận theo ngày mang giá trị dương.
Mặc dù việc kiểm định được thực hiện bằng mô hình ARIMA (1,1) có phần đơn giản nhưng kết quả của của mô hình trong một số trường hợp vẫn có thể đạt tính hiệu
quả cao. Để tiếp tục chứng minh, bài khóa luận sử dụng mô hình GARCH để kiểm nghiệm lại ý nghĩa từ kết quả của mô hình ARIMA.
Kết quả của mô hình được mô tả như sau:
Bảng 2 - Ảnh hưởng của trăng tròn lên thị trường chứng khoán: Mô hình AR (1) - GARCH (1,1)
t statistics in parentheses
rVNI rJSKE rKLSE rPSI rSCI ARMA L.ar 0.170*** 0.087*** 0.128*** 0.089*** -0.029 (7.547) (3.737) (5.001) (4.154) (-1.402) HET full_moon7 -0.123 0.257*** -0.144** 0.052 0.460*** (-1.036) (2.999) (-2.177) (1.073) (2.644) monday 0.373 0.675*** 0.716*** 1.128*** 16.792*** (1.324) (5.241) (10.477) (10.330) (85.725) january 0.409** -0.658** 0.306*** 0.825*** 1.763*** (2.567) (-2.414) (3.822) (12.167) (8.618)
chứng khoán. Ngoài ra, các hệ số β của mô hình còn đạt giá trị tương đối cao, thể hiện tính hiệu quả của mô hình GARCH được sử dụng trong trường hợp này.
Ở một góc độ khác, qua mô hình kiểm định, cả 5 chỉ số trung bình chứng khoán còn cho thấy các thị trường chứng khoán được lựa chọn phân tích đều không đạt hiệu quả dạng yếu. Do đó, dữ liệu từ các thị trường này có thể tiếp tục được kiểm nghiệm bằng thêm bằng các mô hình hôi quy khác phức tạp hơn.
Như vậy, bài khóa luận tiếp tục kiểm nghiệm các giả thiết nghiên cứu được đặt ra trước quá trình phân tích dữ liệu thông qua mô hình AR (1) - GARCH (1,1) dạng:
rt = Φιrt-1 + φ2Fullmoon + φ3M0nday + φ4January + εt
∂2 = ω + aιEt-ι + βι∂2-ι
Với εt = ∂t∈t
Trong đó, các biến giả thể hiện thuộc tính được thêm vào mô hình gồm có biến “Monday” đại diện cho hiệu ứng Thứ Hai và biến “January” đại diện cho hiệu ứng Tháng
Giêng. Việc thêm vào các biến trong mô hình này nhằm mục đích kiểm định sự tác động
ảnh hưởng của các biến mới đối với kết quả từ mô hình ban đầu.
Ngoài ra, điều kiện để xác định các hiệu ứng có ảnh hưởng tới thị trường chứng khoán của 5 quốc gia thì hệ số φ trong mô hình phải có ý nghĩa thống kê.
Bảng dữ liệu dưới đây là kết quả của kiểm định của hiệu ứng Trăng Tròn và 2 hiệu
ứng Niên Lịch là hiệu ứng Thứ Hai và hiệu ứng Tháng Giêng:
41
Bảng 3 - Ảnh hưởng của trăng tròn và các hiệu ứng niên lịch lên thị trường chứng khoán: Mô hình AR(1) - GARCH(1,1)
(-133.178) (-52.616) (-133.357) (-68.383) (.) ARCH L.arch 0.623*** 0.324*** 0.614*** 0.247*** 0.199*** (21.460) (18.910) (31.216) (14.341) (17.707) L.garch 0.369*** 0.528*** 0.287*** 0.520*** 0.730*** (19.287) (16.203) (12.920) (16.402) (87.450) N 4472 4472 4472 4472 4472 AIC - 25986.274 -26365.497 30907.108- -26642.870 24889.945- BIC - 25941.434 -26320.658 30862.269- -26598.031 24851.512-
t statistics in parentheses
* p<0.1, ** p<0.05, *** p<0.01
Dựa vào bảng kết quả có thể thấy sau khi hiệu ứng Thứ Hai và hiệu ứng Tháng Giêng được thêm vào để thực hiện kiểm định thì hiệu ứng Chu Kỳ Trăng Tròn chỉ còn ý nghĩa thống kê đối với một số chỉ số như JSKE, KLSE và SCI tương ứng với các quốc
Bên cạnh đó, khi kiểm định sự ảnh hưởng của các hiệu ứng niên lịch đối với hiệu ứng Trăng Tròn thông qua chỉ số VN-Index của thị trường chứng khoán Việt Nam, kết quả thu được chỉ phát hiện được phản ứng của thị trường đối với biến giả January tại mức ý nghĩa 5%. Nói cách khác, mức độ ảnh hưởng của hiệu ứng Tháng Giêng đối với thị trường này có tính áp đảo các loại hiệu ứng khác. Ngoài ra, hiện tượng này còn xảy ra đối với chỉ số PSI của thị trường chứng khoán Philippines. Kết quả thu được từ mô hình trong trường hợp này cũng cho thấy hiệu ứng Trăng Tròn đã mất đi tính thống kê và thay vào đó là phản ứng của thị trường lúc này chỉ có ý nghĩa đối với các hiệu ứng niên lịch. Không dừng lại ở đó, đối với chỉ số KLSE của thị trường chứng khoán Malaysia còn cho kết quả trong mô hình này với mức ý nghĩa thống kê bị giảm đi, chỉ ở mức 5% trong khi các kết quả khác đều cho phản ứng chắc chắn đối với hiệu ứng Niên Lịch. Có thể thấy, những điều trên đều trùng khớp với trường hợp 2 của giả thiết churng
khi cho thấy sự ảnh hưởng của các hiệu ứng niên lịch đã lất át các tác động của hiệu ứng
chu kỳ mặt trăng.
Mặt khác, trái ngược với 3 chỉ số trên, hai chỉ số JSKE và SCI của thị trường chứng
khoán Indonesia và Trung Quốc lại cho thấy sự phản ứng của thị trường đối hiệu ứng chu kỳ trăng tròn là chắc chắn với mức ý nghĩa 1% kể cả sau khi cân nhắc sự tác động của các hiệu ứng Niên Lịch khác. Điều này cho thấy các tác động của hiệu ứng niên lịch
tại 2 thị trường này không thể áp đảo được hiệu ứng trăng tròn và ứng với trường hợp 1 của giả thiết chung.
Không dừng lại ở đó, bài khóa luận tiếp tục thực hiện đánh giá các kết quả thu được từ 3 chỉ số chịu ảnh hưởng của hiệu ứng chu kỳ trăng tròn. Trước hết, về mặt ý nghĩa kinh tế, tại mức ý nghĩa 1%, tỷ suất lợi nhuận theo ngày trung bình tại chu kỳ trăng tròn của chỉ số JSKE và SCI đều mang dấu dương, thể hiện sự tích cực tương ứng với 25.7% và 46%. Trong khi đó, tại mức ý nghĩa 5%, thị trường chứng khoán Kular Lumpur của Malaysia lại có phản ứng tiêu cực đối với tỷ suất lợi nhuận trung bình tại thời điểm quan sát của chỉ số KLSE mang dấu âm. Như vậy, từ kết quả nghiên cứu, bài khóa luận tạm thời chưa thể rút ra kết luận chung đối với giả thiết hiệu ứng chu kỳ trăng tròn khi phản ứng của các thị trường là khác nhau đối với hiệu ứng.
Có thể thấy, qua quá trình phân tích, bài khóa luận có thể tạm thời đưa ra kết luận về sự tồn tại của hiệu ứng Trăng Tròn trên thị trường chứng khoán. Nói cách khác, trên thị trường có tồn tại những “bất thường” được gây ra bởi các yếu tố khách quan.
4.1.3. Ảnh hưởng của trăng non lên thị trường chứng khoán
Tương tự, bài khóa luận tiếp tục thực hiện kiểm chứng tác động của hiệu ứng Chu Kỳ Trăng Non đối với thị trường chứng khoán. Lúc này, mô hình ARIMA (1,1) được sử dụng có phương trình:
rt = Φιrt-1 + εt — θ1εt-1 + φ2Newmoon
Với εt = ∂t∈ t
Trong đó, biến “Newmoon” đã được lượng hóa là đại diện cho hiệu ứng chu kỳ Trăng Tròn đang được phân tích. Kết quả của mô hình được thể hiện qua bảng dữ liệu dưới đây:
Bảng 4 - Ảnh hưởng của trăng non lên thị trường chứng khoán: mô hình ARIMA(1,0,1)
L.ma 0.273*** 0.289* -2.059 0.053 -0.107 (3.496) (1.655) (-1.400) (0.306) (-0.330) HET new_moon7 0.091*** 0.019 0.383*** -0.008 -0.148*** (3.338) (0.940) (31.896) (-0.479) (-6.474) _cons -8.436*** -8.624*** -9.677*** -8.695*** -8.252*** (-505.021) (-695.082) (-1192.900) (-1015.871) (-588.063) N 4472 4472 4472 4472 4472 AIC -24896.893 -25842.015 -30034.758 -26195.485 -24413.611 BIC -24871.271 -25816.392 -30009.136 -26169.863 -24387.989
rVNI rJSKE rKLSE rPSI rSCI ARMA L.ar 0.167*** 0.089*** 0.125*** 0.080*** -0.029 (7.351) (3.791) (4.704) (5.395) (-1.348) HET new_moon7 0.334*** -0.518** 0.072 0.002 -33.327 (4.321) (-2.376) (1.175) (0.209) (-0.000) _cons -10.962*** -10.902*** -11.324*** -7.981*** -12.567*** (-102.395) (-41.300) (-127.130) (-129.583) (-5.828) ARCH L.arch 0.631*** 0.316*** 0.671*** 0.001 0.213*** (24.008) (19.004) (43.086) (0.914) (12.757) L.garch 0.373*** 0.607*** 0.303*** -0.933*** 0.754*** (18.729) (17.167) (13.747) (-7.313) (17.869) N 4472 4472 4472 4472 4472 AIC -25990.476 -26357.218 -30896.556 -26210.124 -24832.649 BIC -25958.448 -26325.190 -30864.528 -26178.096 -24800.621
Từ mô hình tự hồi quy ARIMA, với mức ý nghĩa 1%, có thể thấy hiệu ứng Chu Kỳ Trăng Non chỉ xuất hiện tại 3 chỉ số VN-Index, KLSE và SCI. Trong đó, đa phần các chỉ số có phản ứng tiêu cực với hiệu ứng này, thể hiện ở tỷ suất lợi nhuận trung bình tại thị trường chứng khoán Kular Lumpur và Thượng Hải đều mang dấu âm. Tuy nhiên, đây chỉ là mô hình dự báo tỷ suất lợi nhuận đơn giản trong ngắn hạn nên việc kiểm tra lại về mặt ý nghĩa bằng chứng của các tín hiệu là điều cần thiết.
Với phương pháp tương tự như phân tích ảnh hưởng của hiệu ứng chu kỳ trăng tròn, chuỗi dữ liệu được tiếp tục kiểm định lại bằng mô hình GARCH (1,1) với biến phương sai được kiểm soát.
Kết quả của kiểm định được thể hiện qua bảng dữ liệu dưới đây:
Bảng 5 - Ảnh hưởng của trăng non lên thị trường chứng khoán: Mô hình AR(I) - GARCH(1,1)
t statistics in parentheses
Nguồn: Tính toán của tác giả Có thể thấy, kết quả sau khi xử lý cho thấy chỉ có chỉ còn 2 chỉ số có phản ứng với
hiệu ứng Chu Kỳ Trăng Non. Trong đó, với mức ý nghĩa 1%, chỉ số VN-Index được cho
là chắc chắc có phản ứng đối với hiệu ứng này. Bên cạnh đó, với mức ý nghĩa 5%, hiệu ứng cũng được tìm thấy đối với chỉ số JSKE của thị trường chứng khoán Jakarta. Đồng thời, qua kiểm định các chỉ số ban đầu được cho là bị ảnh hưởng bởi chu kỳ trăng non như chỉ số KLSE và SCI đã không còn ý nghĩa thống kê.
Như vậy, nếu như giả định rằng hiệu ứng Chu Kỳ Trăng Non tồn tại một cách độc lập và không bị ảnh hưởng bởi các hiệu ứng khác thì ảnh hưởng của nó đối với thị trường
chứng khoán Việt Nam được cho là chắn chắn 99%. Đồng thời, các kết quả còn cho thấy
thị trường chứng khoán Việt Nam có phản ứng tương đối tích cực, thể hiện ở tỷ suất lợi nhuận theo ngày trong giai đoạn trăng non có giá trị trung bình đạt 33.4%. Điều này có thể lý giải là do trong văn hóa của người dân Việt Nam nói riêng, ngày đầu tiên của tháng Âm lịch (hay còn gọi là ngày Trăng Non) mang đóng một vai trò quan trọng trong
đời sống tinh thần của họ. Có thể nói, đây là thời điểm được khởi nguồn từ những ý niệm hy vọng về một tháng mới tích cực hơn so với tháng trước. Do đó, hành động của các cá nhân tham gia trên thị trường chứng khoán cũng có phần bị ảnh hưởng một phần trong lý trí chủ quan và gây ra biến động giá bất thường.
Không dừng lại ở đó, bài khóa luận tiếp tục kiểm định chuỗi dữ liệu với cân nhắc về sự ảnh hưởng của các hiệu ứng Niên Lịch khác. Mô hình AR(1) - GARCH(1,1) được
sử dụng lúc này có dạng:
rt = Φιrt-1 + φ2Newmoon + φ3Monday + φ4January + εt
∂2 = ω + aιEt-ι + β1∂l-1
Các biến giả được thêm vào mô hình bao gồm biến “Monday” để lượng hóa cho ảnh hưởng của hiệu ứng Thứ Hai và tương tự, biến “January” lượng hóa cho hiệu ứng Tháng Giêng.
Kết quả của mô hình được thể hiện qua bảng dữ liệu dưới đây:
Bảng 6 - Ảnh hưởng của trăng non và các hiệu ứng niên lịch lên thị trường chứng khoán: Mô hình AR(1) - GARCH(1,1)
HET new_moon7 0.366*** -0.285*** 0.194*** -0.018 0.144 (4.752) (-3.156) (4.105) (-0.307) (0.778) monday 0.490** 0.701*** 0.738*** 1.151*** 15.355*** (2.047) (4.969) (11.579) (10.511) (80.022) january 0.449*** -0.703** 0.320*** 0.837*** 1.875*** (2.845) (-2.369) (4.130) (12.178) (8.965) _cons - 10.989*** -10.572*** -11.292*** -10.669*** -25.592 (-103.699) (-54.392) (-133.570) (-65.636) (.) ARCH L.arch 0.617*** 0.320*** 0.602*** 0.245*** 0.202*** (21.380) (18.123) (30.928) (14.459) (17.816) L.garch 0.368*** 0.541*** 0.283*** 0.530*** 0.732*** (18.925) (16.188) (12.615) (17.130) (86.827) N 4472 4472 4472 4472 4472 AIC - 25991.439 -26365.352 -30908.371 -26642.657 -24887.621 BIC - 25946.600 -26320.513 -30863.531 -26597.817 -24849.188
lại có phản ứng một cách chắc chắn. Điều tương tự cũng xảy ra đối với chỉ số JSKE. Mặt khác, 2 chỉ số còn lại là PSI và SCI đại diện cho thị trường chứng khoán Phillipines
và thị trường chứng khoán Trung Quốc ban đầu được cho là không có phản ứng với