0
Tải bản đầy đủ (.pdf) (121 trang)

Đúc kết những kinh nghiệm nghiên cứu quốc tế

Một phần của tài liệu DỰ BÁO LỢI TỨC CỔ PHIẾU BẰNG MÔ HÌNH ĐA NHÂN TỐ: KINH NGHIỆM QUỐC TẾ VÀ MỘT SỐ GỢI Ý CHO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM (Trang 87 -90 )

6. Kết cấu đề tài

3.1. Đúc kết những kinh nghiệm nghiên cứu quốc tế

Sau quá trình tham khảo bài nghiên cứu khoa học liên quan đến mơ hình CAPM và các mơ hình đa nhân tố, người viết nhận thấy rằng cĩ rất nhiều mơ hình đa nhân tố đã ra đời và đang thực hiện một nhiệm vụ giống nhau đĩ là chứng minh tác động của các nhân tố lên lợi tức của chứng khốn, qua đĩ sử dụng các nhân tố này làm cơng cụ dự báo lợi tức, giúp nhà đầu tư đưa ra chiến lược phù hợp. Cĩ thể kể đến một số mơ hình đa nhân tố phổ biến khác như là mơ hình ba nhân tố Long Chen – Lu Zhang (2010), mơ hình bốn nhân tố Bali-Cakici (2004), mơ hình năm nhân tố Fama – French (2015),… Bên cạnh những mơ hình này, các nhà nghiên cứu đã và đang sáng tạo trong phương pháp nghiên cứu, phát triển các nhân tố mới để bổ sung hoặc thay thế các nhân tố trước đây, tạo ra các mơ hình đa nhân tố biến thể mới. Trong phạm vi của nghiên cứu ngày, người viết chỉ lựa chọn mơ hình Fama – French ba nhân tố (1993) và mơ hình Carhart bốn nhân tố (1997) để đi sâu tìm hiểu, học hỏi kinh nghiệm nghiên cứu, vận dụng mơ hình của các nước. Đây là 2 mơ hình cơ bản nhất trong số các mơ hình đa nhân tố hiện nay. Sau quá trình nghiên cứu tài liệu và thực hành nghiên cứu, người viết đúc kết lại một số kinh nghiệm quốc tế nổi bật như sau:

Thứ nhất: Mơ hình CAPM khơng cịn phù hợp, việc nâng cấp mơ hình đa nhân tố là tất yếu.

Hầu hết các nghiên cứu đều đã kết luận rằng, mơ hình đa nhân tố hiểu quả hơn mơ hình CAPM đáng kể. Ngay cả tại thị trường Việt Nam, mơ hình CAPM cĩ khả năng giải thích kém những biến động của lợi tức cổ phiếu. Các mơ hình đa nhân tố lại đang được nhiều quốc gia chứng mình là cĩ thể sử dụng tốt để dự báo biến động của giá cổ phiếu. Trên thế giới, mỗi thị trường khác nhau sẽ cĩ những đặc trưng thị trường khác nhau. Cĩ thể một nhân tố cĩ tác động đến lợi tức cổ phiếu ở thị trường này nhưng khơng cĩ tác động ở thị trường khác. Việc này chúng ta đã thấy được trong nghiên cứu tại Ai Cập và Pakistan. Trong quá trình đầu tư và quan sát thị trường, nhiều hiện tượng cĩ thể được nhà nghiên cứu nhận ra (nhân tố tiềm năng). Kết hợp với tìm hiểu về tác động của những nhân tố tiềm năng lên thị trường chứng

khốn, nhà nghiên cứu cĩ thể chứng minh được tác động của nhân tố tiềm năng lên lợi tức cổ phiếu, bổ sung vào mơ hình hoặc thay thế nhân tố cũ. Với cách làm này, các mơ hình đa nhân tố ngày càng được phát triển, bổ sung sao cho phù hợp với từng thị trường nhất định. James Foye, Dusan Mramor và Marko Pahor (2013) đã tìm ra nhân tố quản trị lợi nhuận kế tốn (chất lượng lợi nhuận kế tốn) cĩ tác động đến lợi suất. Khi thay thế cho nhân tố giá trị, mơ hình ba nhân tố giải thích tốt hơn biến động giá cổ phiếu ở thị trường các nước Đơng Âu. Đây là một hướng đi mới trong nghiên cứu về mơ hình đa nhân tố, gĩp phần bổ sung các nhân tố dự báo lợi suất cho nhà đầu tư tham khảo.

Thứ hai: Linh động trong xử lý số liệu.

Đối với một số thị trường chứng khốn nhỏ như Việt Nam, sự thiếu hụt về dữ liệu là vấn đề đã tồn tại lâu, việc tiếp cận các cơ sở dữ liệu vẫn cịn một số khĩ khăn nhất định. Đây là tình trạng chung khi ta tiếp nhận những nghiên cứu tại những thị trường mới nổi. Khi nghiên cứu mơ hình đa nhân tố tại Mỹ, người nghiên cứu được tiếp cận dễ dàng với giá trị của các nhân tố SMB, HML được đăng trong thư viện dữ liệu trên website của Kenneth R. French. Đây là dữ liệu được tính tốn sẵn và độ chính xác cao, cập nhật dữ liệu mới liên tục. Ở Việt Nam và một số quốc gia khác, để cĩ thể sử dụng mơ hình Fama – French và Carhart, người nghiên cứu phải tự tính tốn giá trị của các biến độc lập thơng qua cơng thức của những nghiên cứu đi trước. Vì vậy việc tính tốn sẽ được thực hiện theo nhiều phương pháp khác nhau.

Phần lớn các nghiên cứu sử dụng lợi suất gộp để tính tốn. Tuy nhiên người viết nhận thấy rằng trong quá trình xử lý dữ liệu, nhiều lúc cần phải tính tốn lợi suất bình quân tháng từ lợi suất ngày hay tính tốn lợi suất trung bình năm từ lợi suất tháng hoặc lợi suất tuần (sử dụng trong tính tốn lợi suất năm trước của cổ phiếu phục vụ việc phân chia danh mục theo nhân tố xu hướng). Việc sử dụng lợi suất liên tục sẽ dễ dàng hơn lợi suất gộp khi thực hiện tính tốn do tính chất cĩ thể cộng của lợi suất liên tục làm cho thao tác tính tốn trở nên nhanh, đơn giản và tinh gọn hơn. Giá trị của lợi suất gộp và lợi suất liên tục khá tương đồng nhau, do đĩ khơng ảnh hưởng đến kết quả của mơ hình. Tùy vào kinh nghiệm của người nghiên cứu mà cĩ thể lựa chọn cách tính lợi suất phù hợp.

Đối với các thị trường chứng khốn mới nổi, thời gian hoạt động chưa lâu nên so với nhiều nghiên cứu trên thế giới, số lượng quan sát hạn chế hơn rất nhiều, giai đoạn được nghiên cứu ngắn hơn. Việc thiếu hụt quan sát cĩ thể ảnh hưởng đến chất lượng của kết quả hồi quy. Một kinh nghiệm mà người viết tiếp nhận được đĩ là sử dụng lợi suất tuần thay vì lợi suất tháng để tăng số lượng quan sát với kỳ vọng sẽ giúp mơ hình hoạt động hiệu quả hơn. Cách làm này đã được nhiều tác giả vận dụng trên thế giới cũng như tại Việt Nam, cho chất lượng kết quả tương đương. Tuy nhiên việc sử dụng lợi suất ngày lại khơng được khuyến nghị do lợi suất ngày tạo ra quá nhiều dữ liệu tính tốn khơng cần thiết và cĩ thể bị ảnh hưởng bởi biên độ dao động giá lớn, khơng mang tính đại diện cho lợi suất trong đầu tư.

Thứ ba: Kiểm định khả năng dự báo của các mơ hình đa nhân tố

Nhiều nghiên cứu mà người viết tham khảo chỉ dừng lại ở việc tim ra một mơ hình giải thích tốt nhất biến động của giá cổ phiếu, qua đĩ sử dụng làm cơng cụ dự báo lợi suất. Khả năng giải thích của mơ hình càng cao thì được cho là khả năng dự báo chính xác càng cao. Tuy nhiên việc kiểm định mức độ dự báo chính xác của mơ hình chưa được thực hiện nhiều. Người viết đã tìm hiểu được một phương pháp nghiên cứu đơn giản để kiểm định chất lượng dự báo của mơ hình ba nhân tố. Phương pháp được nghiên cứu bởi Glenn Pettengill, George Chang và James Hueng (2013), bằng những dữ liệu cĩ sẵn trong bộ dữ liệu, tác giả phân chia các giai đoạn dài 4 năm và giả định dự báo lợi tức năm thứ 4 được xây dựng trên dữ liệu của 3 năm đầu. Lợi tức thực tế của năm thứ 4 sẽ được so sánh với lợi tức dự báo để đánh giá chất lượng dự báo của mơ hình. Ngồi phương pháp đơn giản này cịn nhiều phương pháp khác để kiểm định khả năng dự báo mà chưa được người viết giới thiệu trong nghiên cứu này. Do hạn chế về thời gian nghiên cứu nên kinh nghiệm này chưa được người viết vận dụng trong nghiên cứu này, do đĩ chưa đánh giá được hiểu quả của phương pháp. Nhưng rõ ràng nhà nghiên cứu ngồi việc tìm ra mơ hình dự báo mạnh cũng cần kiểm định lại chất lượng dự báo của mơ hình nhằm tăng tính thuyết phục đối với người sử dụng kết quả.

Qua các nghiên cứu trên thế giới, ta thấy được rằng, thị trường chứng khốn cĩ thể cĩ những diễn biến khác thường tại các thời điểm khác nhau trong năm. Chẳng hạn như hiệu ứng tháng giêng được quan sát thấy tại thị trường Canada hoặc hiệu ứng “bán vào tháng 5 và tạm rời khỏi thị trường” (sell in May and go away). Những hiệu ứng này nếu quan sát thấy tồn tại ở thị trường đang nghiên cứu thì việc phân tích riêng các giai đoạn được khuyến nghị. Mục đích để ta thấy được lợi tức cổ phiếu biến động do tác nhân nào trong từng giai đoạn để đưa ra mơ hình phù hợp.

Ngồi ra thị trường suy thối và tăng trưởng cũng là những điều kiện khiến cho tác động của những nhân tố lên lợi tức cĩ sự thay đổi. Nghiên cứu của Nguyễn Thu Hằng và Nguyễn Mạnh Hiệp (2012) tại Việt Nam đã từng cho thấy mơ hình ba nhân tố Fama – French giải thích tốt biến động lợi tức trong thời kỳ tăng trưởng nhưng chưa hồn tồn giải thích biến động lợi tức trong giai đoạn suy thối.

Ngồi gĩc nhìn về những hiệu ứng thị trường, giai đoạn thị trường, những đặc điểm của thị trường trước hoặc sau những chính sách, sự kiện cĩ tầm ảnh hưởng đến thị trường chứng khốn cũng nên được xem xét riêng.

Một phần của tài liệu DỰ BÁO LỢI TỨC CỔ PHIẾU BẰNG MÔ HÌNH ĐA NHÂN TỐ: KINH NGHIỆM QUỐC TẾ VÀ MỘT SỐ GỢI Ý CHO THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM (Trang 87 -90 )

×