• Các nghiên cứu nước ngoài
Trong việc giải thích tính biến động của TTCK, đã có rất nhiều nghiên cứu bàn về tính hiệu quả của các mô hình GARCH để giải quyết tính biến động của TTCK.
Điển hình như Floor (2008) đã sử dụng dữ liệu hàng ngày của chỉ số chứng khoán
Middle East, Egyptian CMA và Israeli TASE-100 để nghiên cứu độ biến động của các chỉ số chứng khoán. Floor đã sử dụng các mô hình GARCH, EGARCH, TGARCH, CGARCH, AGARCH và PGARCH nhằm phân tích biến động của các chỉ số chứng khoán. Bài nghiên cứu cho thấy EGARCH là mô hình thích hợp
nhất bởi vì mô hình này có tác động âm, tồn tại hiệu ứng đòn bẩy. Đối với mô hình AGARCH ghi nhận kết quả cho thấy hiệu ứng đòn bẩy tạm thời yếu đối với
phương sai có điều kiện. Sau khi phân tích biến động và lựa chọn mô hình phù hợp thì bài nghiên cứu còn cho thấy khi rủi ro tăng không nhất thiết dẫn tới tỷ suất lợi nhuận cũng tăng.
GC (2009) đã thực hiện nghiên cứu với dữ liệu lấy trên TTCK Nepalese. GC đã
chứng minh được mô hình GARCH(1,1) có sự bất đối xứng của phương sai có điều kiện đối với tỷ suất lợi nhuận và mô hình GARCH(1,1) là mô hình thích hợp
được dùng để dự báo.
cho là mô hình phù hợp nhất vì nó thể hiện rõ mối quan hệ giữa rủi ro và lợi nhuận.
NadeemAshraf & ctg (2020) đã xem xét liệu biện pháp không chắc chắn của
cấp quốc gia có điều chỉnh phản ứng của TTCK đối với đại dịch Covid-19 không.
Tác giả đã sử dụng dữ liệu hằng ngày về các trường hợp được xác nhận của Covid-19 và lợi nhuận thị trường chứng khoán từ 43 quốc gia. Sau đó, tác giả sử dụng mô hình hồi quy cho việc phân tích thực nghiệm. Ket luận cho thấy văn hóa
quốc gia là một yếu tố quan trọng quyết định sự khác biệt giữa các quốc gia có trong phản ứng của các nhà đầu tư với bất kì tin tức nào. Điều đó càng chứng minh cho việc sụt giảm thực tế trên TTCK liên quan đến sự sụt giảm do tâm lý của nhà đầu tư bị thúc đẩy bởi thành kiến văn hóa.
Goudarzi và Ramanarayanan (2010) đã sử dụng chỉ số S&P BSE 500 để
nghiên cứu sự biến động của TTCK Ản Độ. Dữ liệu lấy từ ngày 26/7/2000 đến 20/01/2009 với 2108 quan sát và được lấy từ Sở Giao dịch Chứng khoán Bangalore. Nhóm tác giả đã lựa chọn mô hình thích hợp nhất bằng tiêu chí sử dụng chỉ số AIC và SIC. Mô hình ARCH và GARCH được ước tính là hai mô hình tốt nhất trong đó GARCH(1,1) là mô hình phù hợp nhất trong việc giải thích
biến động theo cụm và có ý nghĩa cho chuỗi dữ liệu nghiên cứu. Tuy nhiên,
Goudarzi và Ramanarayanan (2011) đã khảo sát sự biến động của chỉ số S&P
BSE 500 và phân tích hai mô hình dạng khác của GARCH là EGARCH(1,1) và TGARCH(1,1). Bài nghiên cứu năm 2011 cho thấy mô hình TGARCH(1,1) phù hợp nhất đối với tiêu chí AIC, SIC và tiêu chuẩn giá trị hợp lý cực đại.
• Các nghiên cứu trong nước
Hiện tại, có rất nhiều bài nghiên cứu được thực hiện dựa trên các mô hình biến động của TTCK. Tuy nhiên, chỉ có một vài nghiên cứu thực hiện trong bối cảnh của Việt Nam. Các nghiên cứu này lấy dữ liệu dựa trên các chỉ số chứng khoán
Hồ Thủy Tiên, Hồ Thu Hoài và Ngô Văn Toàn (2017) đã được thực hiện dựa trên dữ liệu thứ cấp. Dữ liệu là giá đóng cửa hàng ngày của chỉ số VN-Index từ năm 2005 - 2016. Các dữ liệu được phân tích trên mô hình GARCH cân xứng và
bất cân xứng. Đồng thời, hai mô hình EGARCH(1,1) và mô hình GARCH(1,1) được đánh giá là hai mô hình phù hợp nhất để ước tính các dao động cân xứng và bất cân xứng của VN-Index theo tiêu chí AIC, SIC. Đồng thời, bài nghiên cứu
còn cung cấp cho nhà đầu tư công cụ dự báo tỷ suất lợi tức của TTCK.
Lê Văn Tuấn và Phùng Duy Quang (2020) đã sử dụng mô hình GARCH để
mô hình hóa và dự báo cho TTCKVN (đại diện là chỉ số VN-Index). GARCH(1,1) là mô hình phù hợp nhất để khái quát biến động của VN-Index. Từ
đó dự báo ảnh hưởng của dịch Covid-19 lên TTCKVN rất lâu dài và cần 3 năm 3 tháng để phục hồi.
Các nhóm tác giả như Võ Thúy Anh, Nguyễn Anh Tùng (2010) hay Bùi Hữu
Phước và ctg (2016) đã nghiên cứu rủi ro bằng mô hình VAR kết hợp với
ARCH
và GARCH nhằm ước tính độ lệch chuẩn. Kết quả của các ước tính cho thấy mô hình GARCH rất hữu ích đối với quản trị rủi ro. Ngoài ra các nghiên cứu còn cho
thấy khi TTCK gặp những giai đoạn bất thường sẽ khiến đầu tư gặp rủi ro và giúp
các nhà đầu tư đưa ra quyết định phù hợp thông qua phương pháp xác định độ dao động giá cổ phiếu.
Tóm lại, từ các nghiên cứu trong và ngoài nước, ta thấy mô hình GARCH(1,1) là mô hình thích hợp nhất để đo lường dao động của tỷ suất lợi nhuận VN-Index khi thị trường gặp biến động và là mô hình hiệu ứng đối xứng tốt nhất . Đồng thời, mô hình
CHƯƠNG 3: PHƯƠNG PHÁP VÀ MÔ HÌNH NGHIÊN CỨU
3.1 Dữ liệu nghiên cứu
Đề tài thu thập các dữ liệu thứ cấp từ TTCKVN là chỉ số VN-Index từ 02/01/2019 đến 17/05/2021. Giai đoạn này là giai đoạn chịu ảnh hưởng của đại dịch Covid-19. Tuy nhiên, để đảm bảo tính chính xác khi thực hiện phân tích và dự báo qua mô hình,
nên dữ liệu trong bài sẽ được mở rộng giai đoạn từ 01/01/2007 đến 17/05/2021 với 3574 quan sát. Chỉ số VN-Index được thu thập từ trang thông tin điện tử Investing.com. Bài luận sẽ sử dụng phần mềm Eviews để phân tích các dữ liệu đó.
3.2 Mô hình nghiên cứu