4.1.1 Thống kê mô tả các biến
Bảng thống kê mô tả các biến định lượng dưới đây (bảng 4.1) cho thấy đặc trưng của dữ liệu sử dụng:
Bảng 4.1 Thống kê mô tả các biến
Biến Trung bình GTLN GTNN Độ lệch chuẩn Y 15.905 191.000 1.500 16.247 LAGY 15.805 125.620 1.5000 14.266 GDP 0.0592 0.0668 0.0525 0.00479 IR 0.0878 0.1399 0.0475 0.0324 FN 0.185 0.587 0.003 0.165 ROE 0.126 0.982 -0.544 0.141 EPS 3,037.102 32,506.82 -19,360.93 3,495.611 PE 15.149 3391.557 -895.967 127.753 DIV 0.147 5.000 0.000 0.227 LNSIZE 27.746 32.826 24.628 1.347
Nguồn: Tổng hợp từ dữ liệu thu thập
Quan sát bảng trên có thể thấy khoảng cách giữa GTLN và GTNN của phần lớn các biến là khá lớn, cụ thể biến Y có GTLN là 191 trong khi GTNN chỉ đạt 1.5, biến FN có GTLN lên đến 58,71% còn GTNN là 0,25%, biến EPS có GTLN đạt 32,506.82
trong khi GTNN chỉ đạt -19,360.9,... các biến này thường là biến bên trong của doanh nghiệp, độ lệch chuẩn của các biến này thường khá cao: Biến Y: 16.24,
LAGY 14.266, EPS: 3475.711, PE: 127.75, một số biến khác có độ chênh lệch giữa GTLN và GTNN không quá lớn như: GDP, IR là những nhân tố vĩ mô có độ lệch chuẩn không cao: GDP (0.0048), IR (0.03).
Thống kê mô tả tại bảng 4.1 cho thấy đặc điểm của dữ liệu các biến là không giống nhau. Các biến bên ngoài doanh nghiệp thường không quá chênh lệch, trong khi các biến bên trong doanh nghiệp như Y, EPS, PE... thường có sự khác biệt lớn giữa GTLN và GTNN.
4.1.2 Đánh giá mức độ tương quan giữa các biến
Bảng ma trận tương quan 4.2 cho thấy mức độ tương quan giữa Y và các biến giải thích thường có trị tuyệt đối cao hơn so với các biến độc lập trong mô hình, trong đó biến LAGY và biến Y là có độ tương quan cao hơn cả.
Bảng 4.2 Ma trận tương quan giữa các biến
Y Lagy Gdp Ir Fn Roe Eps Pe Div Lnsize Y 1 Lagy 0.7226 1 Gdp 0.156 0.2044 1 Ir -0.3569 -0.0346 -0.1705 1 Fn 0.3228 0.3014 0.0418 -0.0066 1 Roe 0.3064 0.1786 0.0259 0.017 0.1332 1 Eps 0.4243 0.2737 0.0301 0.0048 0.2419 0.7792 1 Pe -0.0234 -0.0193 0.0109 0.0478 -0.0091 -0.065 -0.0675 1 Div 0.2404 0.2581 0.0377 0.0697 0.0577 0.302 0.3149 -0.0312 1 Lnsize 0.2192 0.1896 0.0867 -0.143 0.3194 0.0588 0.0601 0.0193 -0.0419 1
Nguồn: Tổng hợp từ dữ liệu thu thập
Mức độ tương quan giữa các biến độc lập phần lớn thấp, thường thấp hơn 0.4, trong đó mức tương quan giữa ROE và EPS cao nhất, lên đến 0.779. Mức tương quan cao là một trong những dấu hiệu của hiện tượng đa cộng tuyến.
4.1.3 Thực hiện hồi quy
Thực hiện hồi quy theo cách tiếp cận các ảnh hưởng cố định FEM và các ảnh hưởng ngẫu nhiên REM thu được kết quả như bảng 4.3
Bảng 4.3 Kết quả hồi quy theo cách tiếp cận các ảnh hưởng cố định FEM và các ảnh hưởng ngẫu nhiên REM
Biến Fixed effects Model Random effects Model
C -132.529 17.11442 (0.000)* (0.024)** LAGY 0.530119 0.71153 (0.000)* (0.000)* GDP -123.322 -147.116 (0.046)** (0.022)** IR -141.539 -172.507 (0.000)* (0.000)* FN 6.122397 7.011979 (0.060)*** (0.000)* ROE -1.4475 1.326827 (0.698) (0.696) EPS 0.000922 0.001028 (0.000)* (0.000)* PE 0.001992 0.00285 (0.388) (0.221) DIV 0.634416 2.075013 (0.662) (0.145) LNSIZE 5.619387 0.232986 (0.000)* (0.327) Hausman Test 207.93 (0.000)* R- square 0.5239 0.6986 Probability (F-statistics) (0.000)* (0.000)* Ghi chú: *, **, *** có ý nghĩa thống kê ở mức 1%, 5%, 10%
Nguồn: tính toán từ chương trình stata
Dùng kiểm định Hausman để lựa chọn mô hình hồi quy phù hợp, thu được thống kê Chi bình phương đạt giá trị là 207.93 có P-value =0.000<0.01 chứng tỏ với mức ý nghĩa 1%, mô hình FEM có ý nghĩa hơn mô hình REM.
4.1.4 Kiểm định đa cộng tuyến
Thực hiện kiểm định đa cộng tuyến trong mô hình FEM thực hiện ở bảng 3.5, nhận thấy:
Giá trị Pvalue của hệ số ß của biến ROE là 0.698>0.1 nên biến ROE không tác động đến Y ở mức ý nghĩa 10%. Hệ số ß của biến GDP có ý nghĩa ở mức 5%, tuy nhiên cả 2 biến GDP và ROE đều có giá trị hệ số ß có dấu ngược với dấu của ma trận tương quan và ngược với lý thuyết kinh tế, hơn nữa biến ROE có mức tương quan cặp với biến EPS cao (>0.7), đây là một trong những dấu hiệu của hiện tượng đa cộng tuyến.
Theo Hoàng Ngọc Nhậm (2007), một trong những hậu quả của đa cộng tuyến là làm sai số của ước lượng lớn, dẫn đến việc ước lượng các khoảng tin cậy không chính xác.
Do vậy, để khắc phục hiên tượng đa cộng tuyến, tác giả quyết định loại 2 biến GDP và ROE ra khỏi mô hình hồi quy. Mô hình hồi quy mới có dạng:
0 1 2IR 3 4EPS 5PE 6DIV+ 7
Y LAGY FN LNSIZE e (4.1) Thực hiện hồi quy với mô hình (4.1) theo 2 cách tiếp cận REM và FEM thu được kết quả như bảng 4.4
Bảng 4.4 Kết quả hồi quy mô hình 4.1 theo cách tiếp cận FEM và REM
Biến Fixed effects Model Random effects Model
C -131.9971 8.610826 (0.000)* (0.195) LAGY 0.518472 0.7008588 (0.000)* (0.000)* IR -140.3111 -168.9587 (0.000)* (0.000)* FN 5.895202 7.059003 (0.071)*** (0.000)* EPS 0.0008655 0.0010744 (0.000)* (0.000)* PE 0.0019081 0.0027189 (0.409) (0.244) DIV 0.5760647 2.114732 (0.691) (0.136) LNSIZE 5.341416 0.2210385 (0.000)* (0.352) Hausman Test 203.78 (0.000)* R- square 0.5314 0.6968 Probability (F-statistics) (0.000)* (0.000)*
Ghi chú: *, **, *** có ý nghĩa thống kê ở mức 1%, 5%, 10%
Nguồn: tính toán từ chương trình stata
Kiểm định Hausman với thống kê Chi bình phương đạt 203.78 có P- value = 0 <0.01 nên bác bỏ giá thuyết H0, vậy mô hình FEM có hiệu quả hơn mô hình REM. Mô hình FEM có R2 đạt giá trị 0.5314, các biến PE, DIV không có ý nghĩa thống kê ở mức 10%, các biến còn lại đều có ý nghĩa thống kê ở mức 1% và 10%, trong đó biến LAGY, IR, EPS, LNSIZE và hệ số góc C có ý nghĩa thống kê ở mức 1%, biến FN có ý nghĩa thống kê ở mức 10%.
4.1.5 Kiểm định tự tương quan
Kiểm định tự tương quan của dữ liệu bằng kiểm định Wooldridge với giả thuyết H0: Không có tự tương quan bậc nhất. Kết quả thu được giá trị thống kê F là 24.292 có Pvalue = 0.0000 <1% nên có thể kết luận mô hình gặp hiện tương tự tương quan bậc nhất.
4.1.6 Kiểm định phương sai sai số thay đổi
Thực hiện kiểm định Wald để kiểm tra phương sai sai số thay đổi trong mô hình FEM thu được ở bảng 4.4, với giả thuyết H0: Phương sai các sai số không đổi. Kết quả thu được: Thống kê chi bình phương đạt 9988.53, giá trị Pvalue = 0.000 < 1% nên có thể kết luận mô hình gặp hiện tượng phương sai sai số thay đổi.
4.1.7 Khắc phục mô hình bằng phương pháp mô hình hồi quy dữ liệu bảng động GMM động GMM
4.1.7.1 Hồi quy dữ liệu bảng động bằng phương pháp GMM
Có nhiều cách khắc phục hiện tượng phương sai sai số thay đổi, như: hồi quy bằng mô hình hai giai đoạn 2SLS, hồi quy với biến công cụ, mô hình dữ liệu bảng động (GMM)... Trong phạm vi đề tài, tác giả lựa chọn phương pháp ước lượng GMM để khắc phục khuyết tật của mô hình FEM thu được ở bảng 4.4 là bởi các lý do sau: (1) dữ liệu mà nghiên cứu sử dụng là dữ liệu bảng với số đơn vị chéo lớn hơn nhiều số thời gian quan sát; (2) có sự xuất hiện của biến trễ biến phụ thuộc trong mô hình hồi quy; (3) hiện tượng tự tương quan có thể được khắc phục thông qua việc sử dụng sai phân bậc nhất của mô hình GMM; (4) phương pháp GMM giải quyết được vấn đề nội sinh trong mô hình.
Vấn đề nội sinh có nghĩa là các biến giải thích không hoàn toàn độc lập với biến được giải thích, phát sinh ảnh hưởng qua lại giữa biến độc lập và biến phụ thuộc dẫn đến các ước lượng bằng phương pháp FEM hay REM không hiệu quả. Ở mô hình hồi quy (3.3), dễ dàng nhận thấy các biến PE hay LNSIZE là những biến có khả năng là biến nội sinh. Đối với biến PE, vì thành phần tạo nên biến PE cũng chính là giá cổ phiếu, nên những biến động về giá cổ phiếu cũng có thể tác động ngược lại làm thay đổi hệ số PE. Đối với biến LNSIZE, giá cổ phiếu tăng hoặc giảm
ngược lại cũng có những tác động nhất định đến quy mô doanh nghiệp, vì phần tăng giảm giá cổ phiếu có thể được thể hiện trong bảng cân đối kế toán, sự thay đổi trong vốn chủ sở hữu có thể dẫn đến sự thay đổi trong tổng quy mô doanh nghiệp.
Kết quả hồi quy với phương pháp GMM sử dụng độ trễ của biến PE và LNSIZE làm biến công cụ được thể hiện ở bảng 4.5
Bảng 4.5 Kết quả hồi quy theo cách tiếp cận FEM và khắc phục bằng phương pháp GMM
Biến Fixed effects Model GMM
C -131.9971 -59.18288 (0.000)* (0.002)* LAGY 0.518472 0.4807493 (0.000)* (0.000)* IR -140.3111 -164.1038 (0.000)* (0.000)* FN 5.895202 6.351773 (0.071)*** (0.009)* EPS 0.0008655 0.001049 (0.000)* (0.000)* PE 0.0019081 0.0370469 (0.409) (0.023)** DIV 0.5760647 2.237428 (0.691) (0.130) LNSIZE 5.341416 2.762654 (0.000)* (0.000)* R- square 0.5314 Probability (F-statistics) (0.000)* Ghi chú: *, **, *** có ý nghĩa thống kê ở mức 1%, 5%, 10%
4.1.7.2 Kiểm định sự phù hợp của mô hình GMM
Thực hiện kiểm định Sargan và kiểm định AR để xác định tính phù hơp của mô hình GMM. Do phương pháp GMM ước lượng hồi quy bằng cách sử dụng sai phân bậc 1 của hàm hồi quy nên kiểm tra tự tương quan sai phân bậc 2 có ý nghĩa hơn so với sai phân bậc 1. Mô hình GMM có ý nghĩa khi các biến công cụ trong mô hình là các biến ngoại sinh và mô hình không có tự tương quan sai phân bậc 2.
Kiểm định Sargan kiểm tra tính phù hợp của biến công cụ với giả thuyết H0: Biến công cụ là ngoại sinh.
Ta có: chi2 (21) = 28.82, P value = 0.118 > 10% nên chấp nhận H0 hay biến công cụ là ngoại sinh.
Kiểm định AR(2) kiểm tra tự tương quan sai phân bậc 2 của mô hình với giả thuyết H0: Mô hình không có tự tương quan sai phân bậc 2. Kết quả thu được cho thấy: giá trị P value đạt 0.573 > 10% nên ta chấp nhận giả thuyết H0, mô hình không có tự tương quan sai phân bậc 2.
Như vậy, bằng kiểm định Sagan và kiểm định AR, có thể kết luận phương pháp ước lượng GMM cho kết quả hồi quy là phù hợp. Phần tiếp theo của chương 4 tác giả sẽ sử dụng kết quả hồi quy của phương pháp GMM để phân tích tác động của các nhân tố. Trong đó, các nhân tố có ý nghĩa thống kê ở mức 1% gồm: biến LAGY, IR, FN, EPS, LNSIZE và hệ số góc C; biến PE có ý nghĩa thống kê ở mức 5% và biến DIV không có ý nghĩa thông kê ở mức 10%.
Như vậy, qua kết quả hồi quy, có thể kết luận các nhân tố ảnh hưởng đến giá cổ phiếu gồm: độ trễ của giá cổ phiếu LAGY, lãi suất IR, tỷ lệ sở hữu vốn cổ phần của nước ngoài trong mỗi doanh nghiệp FN, tỷ lệ lợi nhuận trên mỗi cổ phần EPS, hệ số giá trên thu nhập mỗi cổ phần PE và quy mô doanh nghiệp LNSIZE. Nhân tố không ảnh hưởng là DIV, nhân tố bị loại khỏi mô hình: GDP và ROE.
4.2 Phân tích ảnh hưởng của các nhân tố đến giá cổ phiếu doanh nghiệp niêm yết trên SGDCK TP. HCM yết trên SGDCK TP. HCM
Kết quả hồi quy đối với mô hình FEM cho giá trị R2
= 0.5314 chứng tỏ mô hình giải thích được 53,14% sự phụ thuộc của giá cổ phiếu vào các nhân tố hồi quy; 46,86% còn lại được giải thích bởi các nhân tố khác ngoài mô hình.
4.2.1 Giá cổ phiếu năm trước
Hệ số 10.4807493 (với mức ý nghĩa 1%) của biến LAGY chứng tỏ biến trễ của giá cổ phiếu tác động khá mạnh đến giá hiện tại của cổ phiếu. Hệ số này có nghĩa là trong điều kiện các nhân tố khác không đổi, nếu giá cổ phiếu năm trước tăng một đơn vị, sẽ tác động làm giá cổ phiếu năm hiện tại tăng 0.4807493 đơn vị và ngược lại. Có thể giải thích sự tác động cùng chiều giữa giá cổ phiếu và biến trễ của nó theo quan điểm dưới đây:
Lý luận cơ sở ở chương 2 đã chỉ ra tâm lý nhà đầu tư trong phân tích kỹ thuật có ý nghĩa khá quan trọng trong sự thay đổi giá cổ phiếu, việc phân tích kỹ thuật dựa trên giá kỳ trước của cổ phiếu cùng khối lượng giao dịch cổ phiếu kỳ trước để đưa ra quyết định đầu tư khiến giá cổ phiếu kỳ trước có mối quan hệ khá chặt chẽ với giá cổ phiếu kỳ này.
Đặc điểm thị trường cổ phiếu Việt Nam vẫn chưa là thị trường hiệu quả, giá cổ phiếu thường không phản ánh chính xác thông tin hiện tại. Điều này nghĩa là kỳ vọng của các nhà đầu tư có những sai lệch nhất định so với giá cổ phiếu hiện tại. Thông thường, một thị trường kém hiệu quả sẽ phản ánh những thông tin của quá khứ, kết quả hồi quy chỉ ra sự tác động cùng chiều giữa giá cổ phiếu với biến trễ của nó chứng tỏ giá cổ phiếu của nhiều doanh nghiệp trên SGDCK TP. HCM được định giá thấp hơn so với giá trị hợp lý của nó. Các nhà đầu tư do hạn chế trong việc nắm bắt kịp thời những thông tin tốt của cổ phiếu trên SGDCK TP. HCM nên họ thường kỳ vọng về giá cổ phiếu thấp hơn so với giá trị hợp lý của cổ phiếu đó, dẫn đến việc cổ phiếu có xu hướng điều chỉnh hướng về giá trị hợp lý, tức là tăng giá cổ phiếu kỳ này.
Như vậy, sự ảnh hưởng giữa giá kỳ trước với giá kỳ này của cổ phiếu của các doanh nghiệp niêm yết trên SGDCK TP. HCM cũng chính là sự phản ánh sự chênh lệch giữa mức độ kỳ vọng của nhà đầu tư với giá trị hợp lý của cổ phiếu.
Nghiên cứu về ảnh hưởng của giá cổ phiếu kỳ trước với giá cổ phiếu kỳ này đã cho kết quả giữa hai nhân tố này có mối quan hệ ràng buộc rất chặt chẽ. Tuy nhiên, theo quan điểm của tác giả, hướng của sự tác động là cùng chiều hay ngược chiều còn tùy thuộc vào thời gian nghiên cứu. Bởi vì thị trường không phải là bất biến, khi giá cổ phiếu đã được đưa về mức hợp lý của nó, một sự tăng giá quá cao của giá quá khứ vượt khỏi giá trị hợp lý của nó, có thể là nguyên nhân dẫn đến việc điều chỉnh ngược lại của giá cổ phiếu kỳ này.
4.2.2 Lãi suất
Hệ số 2 164.1038 có nghĩa là trong điều kiện các nhân tố khác không đổi, nếu lãi suất tăng lên 1% thì giá cổ phiếu giảm -164.1038 x 102
đơn vị và ngược lại. Hệ số này có ý nghĩa ở mức 1% chứng tỏ sự tác động cùng chiều khá chặt chẽ của lãi suất đối với giá cổ phiếu. Sự tác động ngược chiều giữa lãi suất và giá cổ phiếu ủng hộ giả thuyết ban đầu của đề tài và cùng dấu với các nghiên cứu được khảo sát như nghiên cứu của Amanullah và Muhammad Nauman Khan (2012) , nghiên cứu của Ali Raza Arshaad và các tác giả (2015).
Những phân tích ở chương 2 đã cho thấy doanh nghiệp càng sử dụng nhiều nợ càng chịu ảnh hưởng từ sự thay đổi lãi suất. Quan sát số liệu thu thập được từ các doanh nghiệp niêm yết trên SGDCK TP. HCM thấy được hầu hết các doanh nghiệp đều sử dụng nợ. Trong đó tỷ trọng doanh nghiệp sử dụng tỷ lệ nợ trên vốn chủ sở hữu lớn hơn 1 (doanh nghiệp tài trợ chủ yếu bằng nợ) lên đến 45%. Nhiều doanh nghiệp thậm chí sử dụng tỷ lệ nợ lên đến 5 – 6 lần như CTCP Đầu tư thương mại SMC, CTCP xây dựng số 5, CTCP Xi măng Hà Tiên 1,…. Với đặc điểm chung của các doanh nghiệp niêm yết trên SGDCK TP. HCM là sử dụng nợ khá cao, sự thay đổi của lãi suất có ảnh hưởng rất lớn đến hoạt động của doanh nghiệp, làm tăng gánh
nặng nợ, tăng rủi ro doanh nghiệp, giảm lợi nhuận, vị thế của doanh nghiệp trong thị trường bị đe dọa,… từ đó mà tác động đến giá cổ phiếu.
Giai đoạn 2008 -2009 và giai đoạn 2010 - 2011 cho thấy nhưng biến động rõ ràng