ro (𝑹𝒊𝒕)
𝑅𝑖𝑡= ∑ 𝑤𝑛 𝑖× 𝑟𝑖𝑡 1
Trong đó:
𝑟𝑖𝑡: Lợi nhuận cổ phiếu i tại thời điểm t
𝑃𝑡: Giá cổ phiếu i tại thời điểm t
𝑃𝑡−1: Giá cổ phiếu i tại thời điểm t − 1
𝑤𝑖: Tỷ trọng giá trị cổ phiếu i trong danh mục P n: Số lượng cổ phiếu i trong danh mục P
3.5.2.Cách đo lường lãi suất phi rủi ro (𝑹𝒇𝒕)
𝑅𝑓𝑡 bằng lãi suất Trái phiếu Chính phủ kỳ hạn 5 năm được quy đổi theo lãi suất tuần. Dữ liệu này được thu thập trên Sở giao dịch chứng khoán Hà Nội.
3.5.3.Cách đo lường suất sinh lời trung bình thị trường (𝑹𝑴𝒕)
𝑅𝑀𝑡 được đo lường dựa trên chỉ số VN-Index thu thập trên Sở giao dịch chứng khoán Tp. Hồ Chí Minh
𝑅𝑀𝑡 = ln ( 𝑉𝑁𝐼𝑡 𝑉𝑁𝐼𝑡−1)
Trong đó:
𝑉𝑁𝐼𝑡: Chỉ số VN-Index tại thời điểm t
𝑉𝑁𝐼𝑡−1: Chỉ số VN-Index tại thời điểm t-1
3.5.4.Cách đo lường phần bù rủi ro quy mô (𝑹𝑺𝑴𝑩𝒕), rủi ro giá trị (𝑹𝑺𝑯𝑴𝑳𝒕) và rủi ro
thanh khoản (𝑹𝑳𝑴𝑯𝒕)
Trên cơ sở mô hình 3 nhân tố của Fama – French, trong nghiên cứu này nhân tố SMB được tính bằng tỷ suất sinh lời bình quân của danh mục có quy mô nhỏ (danh mục S) trừ cho tỷ suất sinh lời bình quân của danh mục có quy mô lớn (danh mục B).
𝑆𝑀𝐵 =𝑆𝐿 + 𝑆𝑀 + 𝑆𝐻
3 −
𝐵𝐿 + 𝐵𝑀 + 𝐵𝐻 3
Tương tự, nhân tố HML được tính bằng tỷ suất sinh lời bình quân của danh mục có tỷ số BE/ME cao (danh mục H) trừ cho tỷ suất sinh lời bình quân của danh mục có tỷ số BE/ME thấp (danh mục L).
𝐻𝑀𝐿 =𝑆𝐻 + 𝐵𝐻
2 −
𝑆𝐿 + 𝐵𝐿 2
Nhân tố LMH được tính bằng tỷ suất sinh lời bình quân của danh mục có tính thanh khoản thấp (LiqL) trừ cho tỷ suất sinh lời bình quân của danh mục có tính khoản cao (LiqH).
𝐿𝑀𝐻 = 𝐿𝑖𝑞𝐿 − 𝐿𝑖𝑞𝐻
3.6. Phương pháp ước lượng
3.6.1.Thống kê mô tả
Trong bước đầu tiên, tác giả sử dụng các phương pháp thống kê mô tả nhằm phân tích sơ bộ các thuộc tính của mẫu nghiên cứu như: Giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung bình, phương sai và độ lệch chuẩn.
3.6.2.Phương pháp bình phương nhỏ nhất tổng quát (Pooled OLS)
Cách tiếp cận đơn giản nhất là giả định rằng các hệ số hồi quy (Hệ số chặn và hệ số góc) là không thay đổi giữa các đối tượng quan sát cũng như không thay đổi theo thời gian. Một giả định quan trọng nữa là các biến độc lập phải là các biến ngoại sinh chặt (Strictly exogenous). Một biến gọi là ngoại sinh chặt nếu nó không phụ thuộc vào các giá trị quá khứ, hiện tại, và tương lai của sai số ngẫu nhiên.
Mặc dù vậy, giả thiết rằng các đối tượng quan sát có cùng hệ số chặn và hệ số góc không đổi theo thời gian có thể rất phi thực tế. Ngoài ra, rất có thể sai số ngẫu nhiên là thay đổi giữa các đối tượng quan sát hoặc thay đổi theo thời gian. Hoặc vừa thay đổi theo các đối tượng quan sát cũng như theo thời gian. Mô hình của phương pháp này:
Yit = β0 + ∑βXit + uit
Trong đó, Yit là biến phụ thuộc thứ i và t là mốc thời gian. Xit là các biến độc lập, β0 là hệ số chặn cho các quan sát, β là hệ số góc, uit là phần dư.
Như đã đề cập ở trên, điểm yếu nhất của Pooled OLS là mô hình này không nói cho chúng ta biết phản ứng (Hay hành vi) của biến phụ thuộc có thay đổi theo thời gian hay không. Nếu chúng ta xử lý vấn đề này bằng cách gộp các đặc trưng riêng của từng biến vào sai số ngẫu nhiên thì lại dẫn đến tình huống khác: Sai số ngẫu nhiên có thể
tương quan (Correlated) ở một mức độ nào đó với biến độc lập và do vậy là vi phạm các giả định về mô hình hồi quy tuyến tính cổ điển. Điều này có thể làm cho các ước lượng thu được là chệch (Biased) và không vững (Inconsistent).
3.6.3.Phương pháp bình phương nhỏ nhất tổng quát khả thi (General Least Square
– GLS
Ý tưởng của phương pháp là như sau: Giả sử đã biết dạng thay đổi của phương sai sai số, khi đó dùng các phép biến đổi tương đương để đưa về một mô hình mới mà sai số ngẫu nhiên trong mô hình này có phương sai sai số không đổi, sau đó sử dụng phương pháp Pooled OLS để ước lượng mô hình mới này.
Để minh họa phương pháp GLS khi mô hình có hiện tượng phương sai sai số thay đổi,chúng ta xét mô hình:
Y = β1 + β2X2 +...+ βkXk + u
Giả sử mô hình thỏa mãn các giả thiết của mô hình OLS, ngoại trừ giả thiết phương sai sai số không đổi. Và giả sử rằng phương sai sai số là thay đổi theo dạng:
i2 = 2X2i2. Khi đó ta thực hiện bằng cách chia hai vế của mô hình cho X2i và thu được:
Hay:
Trong đó:
Với mô hình Yi* ta dễ dàng chứng tỏ được rằng sai số ngẫu nhiên mới trong mô hình, u*, có phương sai là không đổi và bằng 2 . Do đó có thể áp dụng Pooled OLS để thu được các ước lượng tốt nhất cho các hệ số j (j=1,k), và từ đó suy ra ước lượng cho các hệ số j. Việc biến đổi một mô hình có khuyết tật thành mô hình không có khuyết tật
và sử dụng Pooled OLS cho mô hình đã biến đổi như trên được gọi là phương pháp bình phương nhỏ nhất tổng quát khả thi.
Việc chuyển từ mô hình về thực chất là gán trọng số X2i cho quan sát thứ i. Vì vậy phương pháp ước lượng thông qua mô hình mới còn được gọi là phương pháp ước lượng bình phương nhỏ nhất có trọng số (WLS – Weighted Least Squares).
3.6.4.Các kiểm định
3.6.4.1. Kiểm định đa cộng tuyến
Đa cộng tuyến xảy ra khi các biến độc lập có tương quan với nhau gây ra hiện tượng dấu của hệ số hồi quy bị đảo chiều hoặc các biến độc lập mất ý nghĩa thống kê. Để kiểm tra hiện tượng này tác giả dùng hệ số phóng đại phương sai VIF.
VIFj = 1
1 − Rj2
Với Rj là hệ số xác định của mô hình hồi quy phụ. Đa cộng tuyến xảy ra khi 1 trong những VIF tìm được >10 (Gujrati, 2003).
3.6.4.2. Kiểm định phương sai thay đổi
Bản chất các mối quan hệ kinh tế, hoặc công cụ và phương pháp thu thập, xử lý số liệu làm cho phương sai của các sai số thay đổi khi giá trị của biến độc lập X thay đổi gây ra hiện tượng hệ số ước lượng không còn hiệu quả vì phương sai không còn là phương sai nhỏ nhất, việc kiểm định giả thuyết không còn đáng tin cậy. Những kết quả dự báo không còn là tối ưu.
Tác giả sử dụng kiểm định White để kiểm định phương sai sai số thay đổi trong dữ liệu bảng, với giả thuyết H0: Không có hiện tượng phương sai thay đổi.
3.6.4.3. Kiểm định tự tương quan
Do quán tính của các chuỗi thời gian mang tính chu kỳ, tự tương quan xảy ra khi sai số của thời kỳ này có tương quan với sai số của thời kỳ trước đó.
Kiểm định Wooldridge được dùng để kiểm định tự tương quan trong dữ liệu bảng, với giả thuyết H0: Không có hiện tượng tự tương quan. Với p-value > α giả thuyết H0 được chấp nhận.
Nếu mô hình được chọn có xảy ra hiện tượng tự tương quan hay phương sai thay đổi, tác giả sử dụng phương pháp ước lượng bình phương nhỏ nhất tổng quát khả thi (General Least Square – GLS) để khắc phục hiện tượng này.
Kết luận chương 3
Từ cơ sở lý thuyết của chương 2 về mô hình xác định tỷ suất sinh lời cổ phiếu và tác động của nhân tố thanh khoản, đồng thời kế thừa thành tựu và khắc phục những hạn chế của những nghiên cứu trước đó, tác giả xác định mô hình cần sử dụng để hồi quy và kiểm định dựa trên mô hình 3 nhân tố của Fama – French kết hợp nhân tố thanh khoản.
Bên cạnh đó, nội dung chương 3 đã tổng hợp kiến thức về phân tích hồi quy dữ liệu bảng theo các phương pháp Pooled OLS, GLS và các kiểm định đảm bảo mô hình lựa chọn mang tính vững, phù hợp. Điểm quan trọng nhất là Chương 3 đã phân tích và luận giải về cách thức, trình tự phân tích để thực hiện từng mục tiêu, các phương pháp ước lượng và kiểm định để xác định được mô hình phù hợp nhất. Nội dung số liệu thực nghiệm sẽ được trình bày ở chương 4.
CHƯƠNG 4: THẢO LUẬN KẾT QUẢ NGHIÊN CỨU 4.1. Thống kê mô tả
Dữ liệu được thu thập từ 91 công ty phi tài chính được niêm yết trên Sở giao dịch chứng khoán Tp. Hồ Chí Minh giai đoạn từ năm 2010 đến năm 2016. Sau quá trình sử lý số liệu, tác giả thu thập được các thông số thống kê về suất sinh lời của cổ phiếu được phân chia theo từng nhóm dựa vào quy mô và giá trị được định giá của công ty trên thị trường thể hiện ở bảng sau:
Bảng 4.1: Thống kê mô tả biến 𝐑𝐢𝐭− 𝐑𝐟𝐭
Danh mục Giá trị trung bình Độ lệch chuẩn Giá trị nhỏ nhất Giá trị lớn nhất BH -0,12% 5,15% -20,16% 20,88% BL 0,34% 4,28% -18,48% 11,31% BM 0,27% 4,40% -16,91% 12,85% SH 0,26% 5,55% -17,4% 14,59% SL 0,28% 4,93% -23,18% 17,93% SM 0,59% 4,69% -16,43% 15,04%
Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12
Bảng 4.1 khái quát các thông số cơ bản của dữ liệu nghiên cứu, bao gồm giá trị trung bình, đô lệch chuẩn, giá trị nhỏ nhất và lớn nhất, từ đó chỉ ra sự phân tán giữa các quan sát trong mẫu.
Mức trung bình của tỷ suất sinh lời thể hiện ở giá trị trung bình của từng danh mục BH, BL, BM, SH, SL, SM thông qua số liệu tổng hợp từ bảng 4.1 lần lượt là -0,12%; 0,34%; 0,27%; 0,26%; 0,28%; 0,59%. Điều này cho thấy được, tỷ suất sinh lời kỳ vọng
của các công ty quy mô lớn thấp hơn các công ty có quy mô nhỏ. Nhìn chung, các giá trị tỷ suất sinh lời kỳ vọng trải dài từ -23,18% đến 20,88%.
Mức độ chênh lệch giữa tỷ suất sinh lời kỳ vọng giữa các công ty có quy mô lớn thấp hơn so với các công ty có quy mô nhỏ. Điều này được thể hiện qua giá trị độ lệch chuẩn được tác giả tổng hợp từ bảng 4.1. Độ lệch chuẩn cao nhất ở mô hình SH tương ứng với giá trị 5,55% và thấp nhất ở mô hình BL tương ứng với giá trị 4,28%.
4.2. Phân tích đa cộng tuyến
Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau. Nghiên cứu tiến hành kiểm định giả thuyết không bị hiện tượng đa cộng tuyến bằng cách dùng chỉ tiêu VIF.
Bảng 4.2: Phân tích đa cộng tuyến qua phương pháp phương sai phóng đại
Danh mục Chỉ số VIF BH BL BM SH SL SM 𝑅𝑀𝑡− 𝑅𝑓𝑡 1,67 1,66 1,62 1,53 1,02 1,04 𝑅𝑆𝑀𝐵𝑡 2,33 3,5 2,5 1,61 1,37 1,28 𝑅𝐻𝑀𝐿𝑡 4,57 2,28 2 1,19 2,24 1,32 𝑅𝐿𝑀𝐻𝑡 4,6 1,44 1,23 1,20 2,53 1,07
Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12
Qua bảng 4.2 ta thấy VIF của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiêm trọng (Gujrati, 2003)
4.3. Kiểm định phương sai sai số không đổi
Phương sai của sai số thay đổi sẽ làm cho các ước lượng thu được bằng phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng không hiệu quả, các kiểm định
hệ số hồi quy không còn đáng tin cậy. Từ đó dẫn đến hiện tượng ngộ nhận các biến độc lập trong mô hình nghiên cứu có ý nghĩa, lúc đó kiểm định hệ số hồi quy và R bình phương không dùng được. Bởi vì phương sai của sai số thay đổi làm mất tính hiệu quả của ước lượng, nên cần thiết phải tiến hành kiểm định giả thuyết phương sai của sai số không đổi bằng kiểm định White, với giả thuyết H0: Không có hiện tượng phương sai
thay đổi. Với mức ý nghĩa α = 1%, kiểm định White cho kết quả Prob như sau:
Bảng 4.3: Kết quả Kiểm định phương sai của sai số không đổi Danh mục Prob Kết luận
BH 0,00 Với Prob < 1% nên bác bỏ giả thuyết H0 có hiện tượng phương sai thay đổi.
BL 0,00 Với Prob < 1% nên bác bỏ giả thuyết H0 có hiện tượng phương sai thay đổi.
BM 0,00 Với Prob < 1% nên bác bỏ giả thuyết H0 có hiện tượng phương sai thay đổi.
SH 0,00 Với Prob < 1% nên bác bỏ giả thuyết H0 có hiện tượng phương sai thay đổi.
SL 0,00 Với Prob < 1% nên bác bỏ giả thuyết H0 có hiện tượng phương sai thay đổi.
SM 0,00 Với Prob < 1% nên bác bỏ giả thuyết H0 có hiện tượng phương sai thay đổi.
4.4. Kiểm định tự tương quan
Giữa các sai số có mối quan hệ tương quan với nhau sẽ làm cho các ước lượng thu được bằng phương pháp hồi quy thông thường trên dữ liệu bảng vững nhưng không hiệu quả, các kiểm định hệ số hồi quy không còn đáng tin cậy. Nghiên cứu tiến hành kiểm định giả thuyết không bị tự tương quan trên dữ liệu bảng, với giả thuyết H0: không có
sự tự tương quan. Với mức ý nghĩa α = 1%, kiểm định cho kết quả Prob được thể hiện
như sau:
Bảng 4.4: Kết quả kiểm định tự tương quan
Danh mục Prob Kết luận
BH 0,1689 Với Prob >1% nên chọn giả thiết H0 Không có sự tự tương quan
BL 0,002 Với Prob < 1% nên bác bỏ giả thiết H0 Có sự tự tương quan BM 0,7153 Với Prob >1% nên chọn giả thiết H0 Không có sự tự tương
quan
SH 0,0727 Với Prob >1% nên chọn giả thiết H0 Không có sự tự tương quan
SL 0,0709 Với Prob >1% nên chọn giả thiết H0 Không có sự tự tương quan
SM 0,7788 Với Prob >1% nên chọn giả thiết H0 Không có sự tự tương quan
4.5. Kiểm tra tính bền vững của mô hình
Qua kết quả kiểm định từng phần ở mục 4.2, 4.3 và 4.4, ta thấy: Mô hình có hiện tượng đa cộng tuyến được đánh giá là không nghiêm trọng. Tuy vậy, mô hình có hiện tượng phương sai thay đổi và có sự tự tương quan. Do đó, tác giả sử dụng phương pháp bình phương nhỏ nhất tổng quát khả thi (GLS) để phân tích. Theo Wooldridge (2002), phương pháp GLS có thể khắc phục hiện tượng phương sai thay đổi và tự tương quan nhằm đảm bảo ước lượng thu được vững và hiệu quả.
Bảng 4.5: Tổng hợp kết quả kiểm định từng danh mục
Danh mục Kết luận
BH Có hiện tượng phương sai thay đổi, không có hiện tượng tự tương quan.
BL Có hiện tượng phương sai thay đổi, có hiện tượng tự tương quan. BM Có hiện tượng phương sai thay đổi, không có hiện tượng tự tương
quan.
SH Có hiện tượng phương sai thay đổi, không có hiện tượng tự tương quan.
SL Có hiện tượng phương sai thay đổi, không có hiện tượng tự tương quan.
SM Có hiện tượng phương sai thay đổi, không có hiện tượng tự tương quan.
4.6. Kết quả kiểm định độ phù hợp của các biến bằng phương pháp GLS
4.6.1.Danh mục BH
Bảng 4.6: Kết quả Kiểm định bằng phương pháp GLS danh mục BH
Ri Coef Std. Err Prob
𝑅𝑀𝑡− 𝑅𝑓𝑡 0,6041 0,0431 0,000
𝑅𝑆𝑀𝐵𝑡 -2,9621 0,1407 0,000
𝑅𝐻𝑀𝐿𝑡 0,2415 0,0819 0,003
𝑅𝐿𝑀𝐻𝑡 0,1325 0,1285 0,302
Cons 0,0012 0,0008 0,148
Nguồn: Số liệu tác giả tổng hợp xử lý trên phần mềm Stata 12
Với biến phụ thuộc là 𝑅𝑖𝑡− 𝑅𝑓𝑡, sau khi sử dụng phương pháp bình phương nhỏ nhất tổng quát khả thi (GLS) để khắc phục hiện tượng tự tương quan và hiện tượng phương sai thay đổi, mô hình có ý nghĩa ở mức ý nghĩa 1% (do Prob = 0.0000) nên kết quả mô hình phù hợp và có thể sử dụng được. Vậy, kết quả mô hình hồi quy của danh