Mô hình 1: mô hình moment CAPM – phân tích tác động của các yếu tố rủi ro
đến suất sinh lời vượt trội cổ phiếu.
𝑅𝑖− 𝑅𝑓 = 𝑎0+ 𝑎1. 𝑏𝑒𝑡𝑎 + 𝑎2. 𝑠𝑘𝑒𝑤 + 𝑎3. 𝑘𝑢𝑟𝑡 + 𝛿𝑖
Trong phần này, luận văn sẽ tiến hành hồi quy mô 1 hình bằng các phương pháp ước lượng OLS và thực hiện kiểm định cần thiết nhằm đánh giá các khuyết tật của mô hình. Đồng thời, mô hình CAPM cũng được hồi quy để thấy được giữa mô hình CAPM và mô hình moment CAPM thì mô hình nào hiệu quả hơn trong định giá cổ phiếu bằng cách so sánh thông số R2 hiệu chỉnh giữa hai mô hình này. Phương pháp hồi quy System GMM cũng được sử dụng nhằm khắc phục nhược điểm trong trường hợp các phương pháp khác bị vi phạm các giả thuyết hồi quy.
Bảng 4.5: Lựa chọn mô hình CAPM và moment CAPM
CAPM Moment CAPM
Obs 1,743 1,743
R2 0.0086 0.0242
R2 hiệu chỉnh 0.0080 0.0225
Prob (F-stat) 0.0000 0.0000
Nguồn: Dữ liệu tổng hợp từ HOSE và hồi quy bằng Stata 12
Sau khi hồi quy bằng phương pháp ước lượng OLS. Bảng 4.5 thể hiện kết quả lựa chọn giữa mô hình CAPM và moment CAPM. Nhìn chung, R2 hiệu chỉnh còn khá thấp thể hiện khả năng giải thích còn hạn chế các mô hình. Tuy nhiên, trong tương quan giữa việc lựa chọn, R2 hiệu chỉnh của mô hình moment CAPM bằng 2.42% lớn hơn nhiều so với mô hình CAPM là 0.86% cho thấy giữa CAPM và moment CAPM thì moment CAPM giải thích tốt hơn sự biến động của cổ phiếu. Đây là cơ sở quan trọng để luận văn tiếp tục thực hiện hồi quy các mô hình khác. Về kết quả hồi quy mô hình moment CAPM bằng các phương pháp Pooled OLS, FE và RE được trình bày bảng 4.6. Với 1,743 quan sát, p-value của thống kê F-statistic/Chi bình phương nhỏ hơn 0.05 nên về mặt thống kê các mô hình được xác định là phù hợp. Tuy nhiên, để sử dụng kết quả cần phải thực hiện các kiểm định để lựa chọn phương pháp ước lượng phù hợp nhất cũng như để xem xét các khuyết điểm của mô hình để có cách khắc phục.
Bảng 4.6: Kết quả hồi quy bằng phương pháp Pooled OLS, FE, RE
Biến
Pooled OLS FEM REM
Hệ số hồi quy Sai số chuẩn Hệ số hồi quy Sai số chuẩn Hệ số hồi quy Sai số chuẩn Hằng số 0.0678** 0.0317 0.0252 0.0449 0.0678** 0.0317 Beta 0.1469* 0.0894 0.3824*** 0.1098 0.1469* 0.0894 Skew 0.0365*** 0.0083 0.0439*** 0.0091 0.0365*** 0.0083 Kurt -0.3639*** 0.0956 -0.5490*** 0.0449 -0.3639*** 0.0956 Obs 1,743 1,743 1,743 R2 0.0242 0.0199 0.0242 F-stat/Wald.Chi2 14.36 13.32 43.09 Prob (F-stat/Chi2) 0.0000 0.0000 0.0000
Ghi chú: *, ** và *** có ý nghĩa thống kê tương ứng ở mức 10%, 5% và 1%. Nguồn: Dữ liệu tổng hợp từ HOSE và hồi quy bằng Stata 12
Bảng 4.7: Kiểm định lựa chọn mô hình
Lựa chọn giữa Pooled OLS và FEM (F-test)
F(258,1481) 0.50
P-value 1.0000
Kiểm định Breusch – Pagan Larganian multiplier
Thống kê Chi-bình phương 0.00
P-value 1.0000
Nguồn: Dữ liệu tổng hợp từ HOSE và hồi quy bằng Stata 12
Bảng 4.7 trình bày kiểm định F-test và Breusch – Pagan Larganian test. Với kiểm định F, giá trị p-value lớn hơn 0.05 nên không có cơ sở bác bỏ giả thuyết H0. Điều này có ý nghĩa không có sự khác biệt giữa các công ty chứng khoán hoặc các thời điểm khác nhau. Trong trường hợp này mô hình Pooled OLS phù hợp hơn so với FEM. Với kiểm định Breusch – Pagan Larganian multiplier, giá trị p-value cũng lớn hơn 0.05 cho thấy
không đủ cơ sở để bác bỏ giả thuyết H0, điều này chứng tỏ không tồn tại hiện tượng tương quan chéo giữa các công ty chứng khoán, lúc này mô hình REM không phù hợp và Pooled OLS được ưu tiên lựa chọn trong trường hợp này. Như vậy trong cả hai trường hợp thì việc sử dụng Pooled OLS vẫn phù hợp hơn so với hai phương pháp còn lại.
Tiếp tục thực hiện các kiểm định cần thiết để đánh giá các giả thuyết của phương pháp ước lượng gộp Pooled OLS. Kết quả kiểm định được thể hiện ở bảng 4.8, có thể thấy p-value của Wooldridge test nhỏ hơn 0.05 nên có thể bác bỏ giả thuyết H0, mô hình bị hiện tượng tự tương quan. Về kiểm định đa cộng tuyến, giá trị VIF của từng biến và giá trị VIF trung bình đều nhỏ hơn 10 nên không có cơ sở để kết luận mô hình bị đa cộng tuyến. Với kiểm định hiện tượng phương sai thay đổi (Breusch-Pagan test), giá trị Chi-bình phương bằng 42.47 và p-value nhỏ hơn 0.05 cho thấy đủ cơ sở bác bỏ giả thuyết H0 và giả thuyết thay thế là phương sai của sai số là một hàm của một hoặc nhiều biến, chứng tỏ tồn tại hiện tượng phương sai thay đổi trong mô hình.
Bảng 4.8: Kiểm định sau ước lượng bằng phương pháp Pooled OLS
Kiểm định hiện tượng tự tương quan (Wooldridge test) Giả thuyết H0: không có hiện tượng tự tương quan
F(1, 258) 18.148
P-value 0.0000
Kiểm định hiện tượng đa cộng tuyến
Giả thuyết H0: không có hiện tượng đa cộng tuyến
Biến VIF 1/VIF
Kurt 6.89 0.1450
Beta 6.65 0.1504
Skew 1.11 0.9029
VIF = 4.48
Kiểm định hiện tượng phương sai thay đổi (Breusch-Pagan test) Giả thuyết H0: tấc cả các phương sai của sai số đều bằng nhau
Thống kê Chi-bình phương 42.47
P-value 0.0000
Để khắc phục hiện tượng tự tương quan và phương sai thay đổi, có thể sử dụng hồi quy cluster để điều chỉnh tuy nhiên không thể khắc phục hết các hiện tượng này (xem thêm kết quả hồi quy cluster ở phụ lục 2D).
Bảng 4.9: Kiểm định hiện tượng nội sinh
Kiểm định ý nghĩa thống kê của phần dư
Thống kê Chi-bình phương 42.90
P-value 0.0000
Nguồn: Dữ liệu tổng hợp từ HOSE và hồi quy bằng Stata 12
Một vấn đề quan trọng khác trong thống kê mà luận văn đã đề cập đó là hiện tượng nội sinh của mô hình. Tiến hành hồi quy để kiểm định giả thuyết nội sinh của mô hình, kết quả ở bảng 4.9 cho thấy hệ số hồi quy của phần dư có ý nghĩa thống kê, chứng tỏ mô hình tồn tại hiện tượng nội sinh.
Theo lý thuyết đã trình bày, phương pháp ước lượng System GMM được sử dụng để khắc phục các nhược điểm tự tương quan, phương sai thay đổi và hiện tượng nội sinh. Kết quả được trình bày ở bảng 4.10.
Bảng 4.10: Kết quả hồi quy mô hình 1 bằng phương pháp System GMM
Biến Hệ số hồi quy Sai số chuẩn
Hằng số 0.2791*** 0.0444 Beta 0.3022** 0.1338 Skew 0.1176*** 0.0227 Kurt -0.4518*** 0.1325 Obs = 1,255 Prob (F-stat) = 0.000 p-value AR(1) = 0.000 p-value AR(2) = 0.110 p-value Hansen test = 0.279
Ghi chú: *, ** và *** có ý nghĩa thống kê tương ứng ở mức 10%, 5% và 1%. Nguồn: Dữ liệu tổng hợp từ HOSE và hồi quy bằng Stata 12
Kết quả kiểm định uớc lượng GMM: GMM phù hợp khi có sự tự tương quan bậc 1 và không có sự tự tương quan bậc 2 của phần dư, kết quả cho thấy có thể bác bỏ giả thuyết H0 ở AR1 và chấp nhận giả thuyết H0 ở AR2, biến công cụ được sử dụng phù hợp. Kiểm định F-test có giá trịp-value nhỏ hơn 0.05 cho phép bác bỏ giả thuyết H0 là các hệ số hồi quy đều bằng không và kiểm định Hansen có giá trị p-value lớn hơn 0.1 nên chấp nhận H0, mô hình được xác định đúng. Phần kiểm định tính vững của hệ số ước lượng và biến đại diện yếu ở bảng 4.11 nhằm mục đích bổ sung thêm độ tin cậy cho kết quả hồi quy, kết quả cho thấy giá trị tuyệt đối của các biến trễ phụ thuộc đều nhỏ hơn 1 và p-value của Hansen test bằng 0.25, mô hình cho ra các hệ số ước lượng vững và không có biến đại diện yếu.
Bảng 4.11: Kiểm định mở rộng của phương pháp System GMM
Kiểm định tính vững của hệ số ước lượng (Roodman, 2006)
Mô hình vững khi hệ số ước lượng của biến trễ phụ thuộc hội tụ với trị tuyệt đối nhỏ hơn 1
Giá trị tuyệt đối hệ số ước lượng l1.ri 0.24 Giá trị tuyệt đối hệ số ước lượng l2.ri 0.21
Kiểm tra các biến đại diện yếu (Roodman, 2009)
Mô hình không có biến đại diện yếu khi số biến đại diện không vượt quá số quan sát và giá trị p-value trong Hansen test tối thiểu bằng 0.25
Số biến đại diện 182
P-value of Hansen test 0.25
Nguồn: Dữ liệu tổng hợp từ HOSE và hồi quy bằng Stata 12
Như vậy, có thể sử dụng kết quả hồi quy bằng phương pháp ước lượng System GMM để giải thích tác động của các moment đến sự biến động tỷ suất lợi nhuận vượt trội cổ phiếu.
Kết quả nghiên cứu cho thấy, các hệ số ước lượng cho các yếu tố beta, skewness và kurtosis đều có ý nghĩa thống kê, trong đó yếu tố beta có ý nghĩa thống kê ở mức 5% và hai yếu tố moment bậc cao có ý nghĩa ở mức 1%. Về mức độ tác động của các yếu tố này là tương đối lớn trên 10%, kết quả này phần nào thể hiện được sự hợp lý khi rõ ràng đầu tư cổ phiếu trong giai đoạn 2006 – 2015 là rất rủi ro. Về chiều hướng tác động,
nhân tố beta và skewness tác động cùng chiều đến tỷ suất lợi nhuận vượt trội cổ phiếu trong khi nhân tố kurtosis lại tác động ngược chiều đến tỷ suất lợi nhuận vượt trội.
Có thể giải thích ý nghĩa kết quả như sau: trong điều kiện các yếu tố khác không thay đổi, khi nhà đầu tư tăng (giảm) hệ số rủi ro của beta 1% thì nhà đầu tư nhận được mức bù tương ứng tăng (giảm) 0.30%, khi tăng (giảm) hệ số rủi ro của skewness 1% thì nhà đầu tư nhận được mức bù tương ứng tăng (giảm) 0.11%, và khi tăng (giảm) hệ số rủi ro của kurtosis 1% thì nhà đầu tư nhận được mức bù tương ứng giảm (tăng) 0.40%.