6. Kết cấu đề tài
1.7.Phương pháp dự báo và kiểm định khả năng dự báo của mơ hình
Dự báo là việc phân tích mối quan hệ nhân quả, phân tích xu hướng nhằm đưa ra những nhận định về tương lai dựa vào những thơng tin cĩ sẵn trong quá khứ và hiện tại. Trên thế giới, các mơ hình đa nhân tố được nghiên cứu và được sử dụng như một mơ hình dự báo lợi tức cổ phiếu trên thị trường. Các nhà nghiên cứu đã tìm ra những nhân tố tác động lên lợi tức của cổ phiếu, đồng thời xây dựng những mơ hình thể hiện mức độ tác động của những nhân tố này. Những nhân tố này được sử dụng làm cơng cụ để dự báo lợi tức cổ phiếu trong tương lai. Kỹ thuật dự báo lợi tức cổ phiếu được đề cập trong luận văn này thực hiện thơng qua việc xác định lợi tức kỳ vọng trong tương lai của một cổ phiếu (danh mục) bằng các dữ liệu cĩ sẵn ở quá khứ và hiện tại, sử dụng các mơ hình đa nhân tố. Bằng những thơng tin cĩ sẵn tại thời điểm dự báo, người sử dụng mơ hình cĩ thể nhận định giá trị kỳ vọng của những nhân tố dự báo, đưa vào mơ hình để tìm ra kết quả dự báo cho danh mục cổ phiếu của mình. Giá trị kỳ vọng của những nhân tố dự báo cĩ thể tùy từng cá nhân mà cĩ sự khác nhau. Một số phương pháp cơ bản hiện nay đang được nhiều người sử dụng đĩ là sử dụng giá trị trung bình của các nhân tố trong giai đoạn liền trước thời điểm dự báo hoặc dựa vào một số nguồn thơng tin cơng khai đáng tin cậy như dữ liệu về phần bù rủi ro thị trường của giáo sư Aswath Damodaran được đăng trên website Damodaran Online3.
Tuy nhiên để cĩ thể chứng mình các mơ hình đa nhân tố cĩ khả năng dự báo chính xác hay khơng thì cần cĩ một phương pháp đánh giá. Một phương pháp đánh giá đơn giản là so sánh kết quả dự báo thu được từ các mơ hình với kết quả thực tế. Người nghiên cứu sẽ đi ngược thời gian tại thời điểm thứ N trong tập mẫu với kích
thước T thời điểm và sau đĩ sử dụng tập dữ liệu cĩ được đến thời điểm N để thực hiện việc dự báo cho thời điểm N+1. Tiếp tục sử dụng tập dữ liệu đến thời điểm N+1 để dự báo cho thời điểm N+2, thực hiện liên tục cho đến thời điểm T – 1 với kết quả dự báo cho thời điểm T. Lặp lại quá trình này ta cĩ được một chuỗi dữ liệu gồm P = T – N thời điểm quan sát. Tương ứng với mỗi giá trị dự báo, ta cũng cĩ được một giá trị thực tế. Ta thiết lập được 2 chuỗi giá trị tương ứng (dự báo và thực tế) trong P thời điểm quan sát để so sánh với nhau
Trong bài luận văn này, người viết sẽ giới thiệu với người đọc về phương pháp tương quan hạng Spearman (Spearman Rank Correlation) gắn với dữ liệu theo chuỗi thời gian. Hệ số tương quan hạng được thành lập với mục đích đo lường mối quan hệ của hai biến (khơng nhất thiết là quan hệ tuyến tính). Như vậy, yêu cầu đối với hai biến được kiểm định phải là hai biến định lượng hoặc hai biến cĩ thang đo thứ bậc như nhau.
Ta đặt X là biến giá trị dự báo và Y là biến giá trị thực tế. Một mơ hình dự báo cĩ chất lượng tốt, độ chính xác cao khi biến X và biến Y cĩ quan hệ chặt chẽ với nhau. Hệ số tương quan hạng giữa 2 biến càng lớn thì mơ hình dự báo càng chính xác và ngược lại.
Giả thuyết cần kiểm định H0: Hệ số tương quan hạng Spearman ρ = 0. Nếu ta chấp nhận giả thuyết H0, tức là hạng của X (hạng dự báo) khơng hề cĩ mối quan hệ với hạng của Y (hạng thực tế) đồng nghĩa với việc mơ hình sự báo khơng chính xác. Nếu ta bác bỏ H0, mơ hình cĩ khả năng dự báo và hệ số tương quan hạng Spearman ρ phản ánh chất lượng dự báo của mơ hình.
Các bước thực hiện kiểm định tương quan hạng Spearman:
Bước 1: Trong mỗi thời điểm quan sát, ta xếp hạng các biến Xi và Yi (i = 1, 2, …, n) với các hạng tương ứng là di(X) và di(Y) và tính tốn chênh lệch hạng.
Bước 2: Tính chênh lệch hạng Di= di(X) – di(Y)
Bước 3: Tính hệ số tương quan theo cơng thức ρ= 𝟏 – 𝟔 ∑𝒏𝒊=𝟏𝑫𝒊𝟐 𝒏( 𝒏𝟐−𝟏)
Ví dụ tại thời điểm R + 1 khi ta cĩ 10 cổ phiếu (n=10) với lợi tức từ thấp đến cao, hạng 1 tương ứng với cổ phiếu cĩ lợi tức thấp nhất và tăng dần cho đến hạng 10 tương ứng với cổ phiếu cĩ lợi tức cao nhất. Ta tiến hành xếp hạng cổ phiếu theo
lợi tức dự báo và lợi tức thực tế. Sự thay đổi hạng thực tế so với hạng dự báo càng nhỏ, kết quả dự báo càng chính xác (ρ càng lớn).
Cổ phiếu i Lợi tức dự báo (Xi) Hạng di(X) Lợi tức thực tế (Yi) Hạng di(Y) Chênh lệch hạng Di= di(X)- di(Y) 1 X1 d1(X) Y1 d1(Y) d1(X) - d1(Y) 2 X2 d2(X) Y2 d2(Y) d2(X) – d2(Y) … … … … n Xn dn(X) Yn dn(Y) dn(X) – dn(Y)
Đây là một phương pháp kiểm định đơn giản, dễ hiểu và dễ áp dụng đối với nhiều người sử dụng mơ hình. Ngồi ra cịn nhiều phương pháp kiểm định khả năng dự báo khác mà người viết chưa đề cập đến trong luận văn này.
CHƯƠNG 2:DỰ BÁO LỢI TỨC CỔ PHIẾU BẰNG MƠ HÌNH ĐA NHÂN TỐ: KINH NGHỆM QUỐC TẾ VÀ KIỂM ĐỊNH CÁC MƠ HÌNH TẠI THỊ
TRƯỜNG CHỨNG KHỐN VIỆT NAM