độ biến động giá cổ phiếu trên thị trường trong kỳ
Để đo lường quan hệ của mức độ biến động trong kỳ của giá cổ phiếu ngân hàng trên thị trường với các yếu tố vĩ mô và các yếu tố liên quan đến đại dịch trong kỳ, tác giả đề xuất mô hình hồi quy đa biến như dưới đây:
Phương trình 4. Phương trình hồi quy đa biến nghiên cứu tác động đến mức độ biến động giá cổ phiếu ngân hàng
CVp(i,t) = α + β1GDP(t)+ β2CPI(t) + β3Mls(t) + β4 CVca(t) + β5DN(t) + ε(i,t) Trong đó:
Biến phụ thuộc CVp(i,t) là hệ số biến thiên của giá cổ phiếu i trong quý t.
Biến độc lập:
oGDP(t) là mức tăng trưởng GDP trong quý t so với cùng kỳ năm trước
oCPI(t) là mức thay đổi CPI trong quý t so với cùng kỳ năm trước
oMls(t) là lãi suất trung bình trong quý t
oCVca(t) là hệ số biến thiên của số ca mắc mới COVID-19 trong quý t
oDN(t) là số doanh nghiệp dừng hoạt động trong quý t ε(i,t) là phần dư
Với phương trình này, ta đo lường được với mỗi đơn vị thay đổi của các biến độc lập, biến phụ thuộc là hệ số biến thiên của giá cổ phiếu mỗi quý sẽ tăng lên hoặc giảm đi bao nhiêu đơn vị. Mức độ tương quan sẽ được thể hiện bởi các hệ số hồi quy β1, β2, β3, β4, β5.
Trong mô hình này, tác giả sử dụng một đại lượng thống kê là hệ số biến thiên để đo lường mức độ biến động giá trong kỳ của các cổ phiếu ngân hàng. Như vậy, các giả thuyết H1b, H2b, H3b, H4b, H5b được kiểm nghiệm.
Thông thường, độ lệch chuẩn, với ý nghĩa là độ dao động của một tập dữ liệu quanh giá trị trung bình của tập đó, được xem là thước đo mức độ biến động của tập dữ liệu. Tuy nhiên, trong mô hình nghiên cứu này, các tập dữ liệu cổ phiếu của các ngân hàng có giá trị trung bình rất khác nhau, nên việc sử dụng hệ số biến thiên bằng cách lấy độ lệch chuẩn chia cho giá trị trung bình giúp tác giả có thể đo lường biến số đại diện cho mức độ biến động giá cổ phiếu của các ngân hàng trên thị trường một cách chính xác hơn.
Như vậy, việc sử dụng hệ số biến thiên sẽ giảm bớt độ lệch của mẫu dữ liệu quan sát, giúp cho việc ước lượng mức độ biến động giá cổ phiếu được khách quan và đáng tin cậy hơn.
Ngoài ra, tác giả cũng sử dụng các biến được điều chỉnh là lãi suất trung bình trong quý, và hệ số biến thiên của số ca mắc trong quý để phù hợp với việc đánh giá các ảnh hưởng lên hệ số biến thiên của giá cổ phiếu các NHTM niêm yết trong quý.
3.3.3.1. Kiểm định mô hình hồi quy đa biến
Kiểm định tự tương quan
Tương tự như các mô hình nghiên cứu ảnh hưởng đến giá cổ phiếu ngân hàng, để tránh trường hợp nhận định sai lầm về ý nghĩa thống kê của các hệ số hồi quy đạt được trong mô hình nghiên cứu đã xây dựng, tác giả tiến hành kiểm định hiện tượng tự tương quan.
Ở mô hình này, các phương pháp nhận biết hiện tượng tự tương quan được tác giả sử dụng cũng là phương pháp kiểm định Wooldridge.
Kiểm định đa cộng tuyến
Cũng giống như mô hình nghiên cứu ảnh hưởng đến giá cổ phiếu ngân hàng trên thị trường, mô hình nghiên cứu mức độ biến động giá cổ phiếu được xây dựng cũng là
mô hình hồi quy đa biến, sử dụng dữ liệu bảng. Do vậy, tác giả cũng sẽ kiểm định hiện tượng đa cộng tuyến để đo lường sự tương quan giữa các biến độc lập với nhau.
Các phương pháp được sử dụng cũng tương tự như mô hình trên, đó là sử dụng ma trận tương quan và hệ số phóng đại phương sai (VIF).
Kiểm định phương sai sai số thay đổi
Với hiện tượng này, tương tự như các mô hình trước, tác giả sẽ sử dụng kiểm định Breusch-Pagan để kiểm tra.
3.3.3.2. Khắc phục các hiện tượng lỗi
Để khắc phục các hiện tượng không mong muốn gây ảnh hưởng đến kết quả của nghiên cứu, tác giả sẽ thực hiện các phương pháp khắc phục hiện tượng tự tương quan và hiện tượng phương sai sai số thay đổi.
Phương pháp khắc phục lỗi được thực hiện với mô hình đa biến này cũng tương tự với mô hình nghiên cứu giá cổ phiếu ngân hàng ở Mục 3.3.2.3 do các hạn chế của mẫu dữ liệu nhỏ.
Cụ thể, để khắc phục hiện tượng tự tương quan, trước hết tác giả sử dụng phương pháp chuyển hóa sai phân bậc 1.
Tiếp theo, trong trường hợp hiện tượng phương sai sai số thay đổi xảy ra, tác giả sử dụng ước lượng bằng mô hình sai số chuẩn mạnh. (adsbygoogle = window.adsbygoogle || []).push({});
Như vậy, dựa trên mô hình lý thuyết nghiên cứu về mối quan hệ của các biến, tác giả xây dựng các mô hình hồi quy tuyến tính để đo lường mức độ tương quan giữa chúng trong mẫu dữ liệu được sử dụng. Cụ thể, để đo lường các tác động của đại dịch COVID-19 đến giá cổ phiếu của 16 NHTM niêm yết, ta sẽ có 03 mô hình hồi quy tuyến tính như sau:
Mô hình đơn biến nghiên cứu ảnh hưởng trực tiếp của số ca mắc COVID-
19 trong ngày đến giá cổ phiếu trên thị trường
Mô hình đa biến nghiên cứu ảnh hưởng gián tiếp của đại dịch COVID-19
Mô hình đa biến nghiên cứu ảnh hưởng gián tiếp của đại dịch COVID-19
đến mức độ biến động giá cổ phiếu trên thị trường trong kỳ
Đồng thời, tác giả cũng tiến hành các kiểm định mô hình cần thiết để có biện pháp khắc phục, tránh xảy ra hiện tượng hồi quy giả mạo hay các sai lệch trong kết quả nghiên cứu.
Kết quả nghiên cứu thống kê mô tả và định lượng bằng phương pháp hồi quy được báo cáo trong Chương 4. Với các mô hình nghiên cứu về ảnh hưởng trực tiếp và gián tiếp của đại dịch COVID-19 như đã trình bày, kết quả nghiên cứu cũng gợi mở ra nhiều mối tương quan thú vị giữa các nhân tố độc lập, và giữa các nhân tố này với sự biến động giá trong kỳ của các cổ phiếu NHTM niêm yết trên thị trường.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU 4.1. Nghiên cứu sơ bộ về dữ liệu
4.1.1. Mô hình ảnh hưởng trực tiếp
Kết quả thống kê mô tả mẫu nghiên cứu được thể hiện trong Bảng 4.1 dưới đây:
Bảng 4.1. Thống kê mô tả mẫu nghiên cứu mô hình ảnh hưởng trực tiếp
Biến
P CA Chú thích:
CA: số ca mắc trong ngày
Nguồn: Kết quả của chương trình Stata 14
Theo kết quả thống kê, mẫu dữ liệu có 8,003 quan sát. Với biến P (giá cổ phiếu), mức độ dao động của các quan sát là khá lớn khi độ lệch chuẩn bằng 19591.31. Từ bảng kết quả, ta có thể thấy phân phối mẫu có độ lệch lớn khi giá trị trung bình bằng 30516.36, nhưng giá trị nhỏ nhất là 5600 và giá trị lớn nhất là 116400.
Để có cái nhìn trực quan về mức độ biến động giá cổ phiếu các NHTM niêm yết trong thời gian diễn ra dịch bệnh COVID-19, tác giả biểu thị mức độ tăng giảm của giá cổ phiếu mỗi ngân hàng qua từng ngày theo Biểu đồ 4.1 dưới đây.
Nhìn chung, ta có thế thấy hầu hết các mã cổ phiếu ngân hàng đều có đường đồ thị giá tương đối bình ổn, có xu hướng tăng nhẹ trong cả thời kỳ quan sát. Đặc biệt là các mã cổ phiếu có giá trị nhỏ, tăng chậm và đều đặn trong cả giai đoạn và chỉ có biến động tăng mạnh ở mốc tháng 6/2021.
Với một mã cổ phiếu vốn hóa lớn nhất trong ngành ngân hàng như VCB (id=14), sự biến động giá có xu hướng rõ rệt hơn các mã cổ phiếu khác. Tại thời điểm tháng 3/2020, cổ phiếu này chứng kiến một giai đoạn giảm sâu xuống gần chạm mốc 50,000
đồng/cổ phiếu trước khi trải qua một đợt tăng đều đặn cho đến đỉnh hơn 110,000 đồng/cổ phiếu vào thời điểm cuối tháng 6/2021.
Biểu đồ 4.1. Đồ thị biến động giá cổ phiếu các NHTM niêm yết trên thị trường chứng khoán theo ngày
Nguồn: Kết quả của chương trình Stata 14
Đồ thị giá đã chỉ ra rằng, các mã cổ phiếu ngân hàng tại Việt Nam cũng chịu ảnh hưởng xấu không nhỏ từ những thông tin tiêu cực ấy, mặc dù tại thời điểm này, số ca mắc COVID-19 tại Việt Nam còn khá ít.
Mặt khác, thời điểm bắt đầu giai đoạn 4 của đại dịch (27/04/2021) cho đến hết tháng 12/2021, giá trị cổ phiếu lại tăng trưởng một cách tích cực và hầu như không bị sụt giảm nghiêm trọng. Hầu hết các mã cổ phiếu đều tăng phi mã và tạo đỉnh vào thời điểm cuối tháng 6, đầu tháng 7/2021 và không quay trở về vùng giá cũ hồi đầu năm 2020. Chúng ta có thể nhận thấy giá cổ phiếu các ngân hàng niêm yết trên thị trường chứng khoán đã phản ứng hết sức tích cực cho dù số ca mắc mới COVID-19 được ghi nhận trong ngày tại các thành phố lớn ngày một tăng cao.
Hình ảnh trực quan về diễn biến số ca mắc mới COVID-19 được biểu thị bằng đồ thị dưới đây:
Biểu đồ 4.2. Đồ thị diễn biến số ca mắc mới COVID-19 theo ngày
Nguồn: Kết quả của chương trình Stata 14
Với những thông tin trực quan như vậy, liệu chúng ta có thể phỏng đoán một mối quan hệ biến động cùng chiều giữa giá cổ phiếu của các NHTM niêm yết trên thị trường và thông tin số ca mắc mới được ghi nhận trong ngày hay không? Tác giả nhận định rằng mối liên hệ này khá thú vị và đi ngược lại với những phỏng đoán ở phần cơ sở lý luận về sự ảnh hưởng tiêu cực của đại dịch COVID-19 đến thị trường chứng khoán nói chung và cổ phiếu nhóm ngành ngân hàng nói riêng. Do đó, tác giả cho rằng, việc sử dụng một mô hình hồi quy ước lượng mức độ tương quan trực tiếp giữa hai biến này là cần thiết để có những nhận xét khách quan và đúng đắn.
4.1.2. Mô hình ảnh hưởng gián tiếp (adsbygoogle = window.adsbygoogle || []).push({});
4.1.2.1. Mô hình ảnh hưởng gián tiếp đến giá cổ phiếu
Kết quả thống kê mô tả mẫu nghiên cứu được thể hiện trong Bảng 4.2 dưới đây:
Bảng 4.2. Thống kê mô tả mẫu nghiên cứu mô hình ảnh hưởng gián tiếp đến giá cổ phiếu Biến P GDP CPI LS CA DN Chú thích:
GDP: mức tăng trưởng GDP trong quý CPI: mức thay đổi CPI trong quý LS: lãi suất tại ngày cuối quý CA: số ca mắc tại ngày cuối quý
DN: số doanh nghiệp ngừng hoạt động trong quý
Nguồn: Kết quả của chương trình Stata 14
Nhìn vào bảng thống kê mô tả, ta có thể nhận thấy mức tăng trưởng GDP có mức dao động khá lớn với độ lệch chuẩn 3.7575%. Giá trị nhỏ nhất là -6.02% và giá trị lớn nhất là 6.73% cho thấy biên độ dao động lớn của mức tăng trưởng GDP mỗi quý trong hai năm 2020-2021. Đồ thị ở Biểu đồ 4.3 dưới đây sẽ minh họa sự biến động của mức tăng trưởng GDP trong thời kỳ này.
Biểu đồ 4.3. Đồ thị mức tăng trưởng GDP so với cùng kỳ năm trước
Nguồn: Kết quả của chương trình Stata 14 4.1.2.2. Mô hình ảnh hưởng đến mức độ biến động giá cổ phiếu trong kỳ
Kết quả thống kê mô tả mẫu được thể hiện trong Bảng 4.3 dưới đây:
Bảng 4.3. Thống kê mô tả mẫu nghiên cứu mô hình ảnh hưởng gián tiếp đến mức độ biến động giá cổ phiếu trong kỳ
Biến CVp GDP CPI Mls CVca DN Chú thích:
GDP: mức tăng trưởng GDP trong quý CPI: mức thay đổi CPI trong quý Mls: lãi suất trung bình trong quý
CVca: hệ số biến thiên số ca mắc trong quý DN: số doanh nghiệp ngừng hoạt động trong quý
Từ bảng mô tả, tác giả nhận thấy hệ số biến thiên của giá cổ phiếu ngân hàng có sự dao động khá lớn trong hai năm 2020-2021. Với giá trị nhỏ nhất là 0.012993, giá trị lớn nhất là 0.2506101, và độ lệch chuẩn là 0.0415807, tác giả dự đoán có nhiều sự biến động về giá cổ phiếu các ngân hàng trong một quý. Để có cái nhìn trực quan về vấn đề này, tác giả sử dụng đồ thị tại Biểu đồ 4.4 dưới đây.
Biểu đồ 4.4. Đồ thị mức độ biến động giá cổ phiếu các NHTM niêm yết
Nguồn: Kết quả của chương trình Stata 14
Như đồ thị cho thấy, một số NHTM niêm yết có mức độ biến động giá lớn trong một số quý 1 năm 2020, thời điểm bắt đầu diễn ra đại dịch COVID-19, và trong các quý của năm 2021 khi đại dịch diễn biến ngày càng phức tạp hơn.
4.2. Nghiên cứu định lượng bằng mô hình hồi quy
4.2.1. Mô hình ảnh hưởng trực tiếp
Kết quả hồi quy đơn biến được tổng hợp theo Bảng 4.4 dưới đây:
Biến độc lập CA F(1, 8001) = 270.52 Prob > F = 0.0000 R-squared = 0.0327 R-squared hiệu chỉnh = 0.0326 Chú thích:
CA: số ca mắc trong ngày
Nguồn: Kết quả của chương trình Stata 14
Theo bảng kết quả trên đây, ta có hệ số β là 0.7854574, P-value tương ứng là 0.000. Như vậy, ta có thể kết luận rằng mối liên quan giữa biến phụ thuộc P(i,t) và biến độc lập CA(t) có ý nghĩa thống kê, và mỗi liên quan này là đồng biến. Cụ thể, ta có thể diễn giải như sau: Với mỗi đơn vị tăng thêm (giảm đi) của biến CA(t), biến P(i,t) tăng thêm (giảm đi) 0.7854574 đơn vị. Hay nói cách khác, với mỗi số ca mắc COVID-19 mới tăng thêm trong ngày, giá đóng cửa cổ phiếu ngân hàng tăng thêm 0.7854574 đơn vị. Tác giả nhận định kết quả này tương đối thú vị, do về tổng thể trong hai năm 2020-2021, thông tin số ca mắc mới tăng thêm trong đại dịch COVID-19 không hề ảnh hưởng tiêu cực đến giá cổ phiếu ngân hàng trên thị trường chứng khoán, mà ngược lại còn góp phần khiến cho giá cổ phiếu tăng trưởng mạnh mẽ. Tác giả đặt vấn đề liệu mối quan hệ cùng chiều này đang thể hiện phản ứng tích cực của thị trường đối với giá cổ phiếu các ngân hàng niêm yết, hay tiềm ẩn một bong bóng giá cổ phiếu ngân hàng do đại dịch COVID-19.
Tiếp theo, tác giả xem xét đến hệ số R-squared. R-squared thể hiện bao nhiêu phần trăm thay đổi của biến phụ thuộc P(i,t) được giải thích bởi biến độc lập CA(t).
Ở đây, R-squared hiệu chỉnh = 0.0326. Điều này có nghĩa rằng, chỉ có 3.26% sự thay
đổi giá đóng cửa cổ phiếu các ngân hàng niêm yết trên thị trường được giải thích bởi sự thay đổi số ca mắc mới mỗi ngày. Tác giả cho rằng đây cũng là kết quả cần chú ý đánh giá thêm, do sự biến động giá cổ phiếu của các NHTM niêm yết, theo các bài nghiên cứu trước đây, chịu ảnh hưởng từ nhiều yếu tố kinh tế vĩ mô và yếu tố nội tại của bản thân mỗi cổ phiếu (Kiều và Nhiên 2020). Như vậy, ở các mô hình tiếp theo chúng ta cần xem xét đến sự tác động các yếu tố kinh tế vĩ mô đến sự biến động giá cổ phiếu của các NHTM niêm yết như thế nào, khi đại dịch COVID-19 có khả năng sẽ ảnh hưởng đến nền kinh tế vĩ mô của đất nước.
Biểu đồ tương quan giữa số ca mắc mới COVID-19 theo ngày và sự biến động giá cổ phiếu của các NHTM niêm yết được thể hiện dưới đây.
Biểu đồ 4.5. Đồ thị tương quan giữa số ca mắc trong ngày và sự biến động giá cổ phiếu của các NHTM niêm yết (adsbygoogle = window.adsbygoogle || []).push({});
Nguồn: Kết quả của chương trình Stata 14
Để đạt được kết quả thuyết phục hơn về mức độ ảnh hưởng trực tiếp của số ca mắc mới đến giá trị cổ phiếu các ngân hàng trên thị trường chứng khoán, tác giả kiểm định các hiện tượng tự tương quan và hiện tượng phương sai sai số thay đổi, và đạt được các kết quả dưới đây:
F(1,15) = 471.647 Prob>F = 0.0000
(Nguồn: Kết quả của chương trình Stata 14)
Việc Prob>F = 0.0000 có nghĩa là giả thuyết không có hiện tượng tự tương quan bị bác bỏ. Như vậy, ta có thể kết luận mô hình có hiện tượng tự tương quan xảy ra.
Tác giả tiếp tục kiểm định hiện tượng phương sai sai số thay đổi bằng kiểm