CHƯƠNG 3 : DỮ LIỆU, PHƯƠNG PHÁP
3.3 Mô hình được sử dụng trong bài:
3.3.1 Mô hình 1
Để nghiên cứu tác động của dịch bệnh đối với khả năng sinh lời của thị trường chứng khoán, mô hình ARIMA(1,0,1) được sử dụng như sau:
rt = φ0 + φ1rt-1 + δ1EPIDEMIC + ∑ SiWEEKDAYi + S6JANUARY + at
í=2 (1)
- ớữt-1
Trong đó, rt thể hiện tỷ suất lợi nhuận của chỉ số thị trường hoặc cổ phiếu đơn lẻ.
EPIDEMIC là biến giả, nhận giá trị 1 nếu thị trường đang ở trong thời gian dịch bệnh và 0, nếu thị trường ở thời điểm bình thường. Tác giả sử dụng biến giả thể hiện tất cả các loại dịch bệnh được mô tả trong bảng 3.1 và một biến giả thể hiện riêng dịch bệnh do chủng Corona virus gây ra (bao gồm SARS và NCOVID19). Ở một số mô hình, tác giả kiểm soát cả hiệu ứng ngày trong tuần và hiệu ứng tháng giêng thường có ảnh hưởng đến tỷ suất lợi nhuận của cổ phiếu trong các nghiên cứu như trong nghiên cứu của Sewraj D và cộng sự (2010) trong bài nghiên cứu về ảnh hưởng của hiệu ứng niên lịch đối với lợi nhuận của thị trường chứng khoán qua bằng chứng từ sở giao dịch chứng khoán Mauritius. Đối với hiệu ứng ngày trong tuần, để tránh tình trạng đa cộng tuyến hoàn hảo xảy ra (dummy variable trap), tác giả chỉ đưa vào các biến giả cho Thứ hai đến Thứ năm trong tuần. Trong đó, at là cú sốc thông tin ở thời điểm t.
Hệ số hồi quy quan trọng ở đây là δ1. Thể hiện tác động của dịch bệnh lên tỷ suất lợi nhuận của thị trường chứng khoán. Nếu như dịch bệnh có tác động tiêu cực đến thị trường chứng khoán, chúng ta có thể kỳ vọng hệ số hồi quy này mang dấu âm và có ý nghĩa thống kê.
3.3.2 Mô hình 2
Để kiểm soát tác động của dịch bệnh đối với khả năng sinh lời của thị trường chứng khoán trong điều kiện có biến động (volatility) của thị trường, sử dụng kết hợp mô hình ARMA(1,1) + TGARCH (1,1) như sau:
rt = φ0 + φ1rt-1 + δ1EPIDEMIC + ∑ δiWEEKDAYi + δ6JANUARY + at i=2 - θat ~1 (2) at = σtet σ t = a0 + (a1 + Y1Nt-1)ai-1 + β1σt2-1
Trong đó, rt thể hiện tỷ suất lợi nhuận của chỉ số thị trường hoặc cổ phiếu đơn lẻ.
EPIDEMIC là biến giả, nhận giá trị 1 nếu thị trường đang ở trong thời gian dịch bệnh và 0, nếu thị trường ở thời điểm bình thường. Tác giả sử dụng biến giả thể hiện tất cả các loại dịch bệnh được mô tả trong bảng 3.1 và một biến giả thể hiện riêng dịch bệnh do chủng Corona virus gây ra (bao gồm SARS và NCOVID19). Ở một số mô hình, tác giả kiểm soát cả hiệu ứng ngày trong tuần và hiệu ứng tháng giêng thường có ảnh hưởng đến tỷ suất lợi nhuận của cổ phiếu trong nghiên cứu như nghiên cứu của Amarnani và Vaidya (2014) khi nghiên cứu về hiệu hứng niên lịch trong thị trường chứng khoán Ản Độ. Trong đó, at là cú sốc thông tin ở thời điểm t.
Ở phần mô hình T-GARCH của Zakoian (1994), Nt-1 là một biến chỉ định nhận giá trị 1 nếu như at-1 < 0 (thông tin xấu trong ngày trước) và bằng 0 nếu thông tin tốt hoặc không tốt không xấu. Sử dụng mô hình T-GARCH giúp cho tác giả xem xét được cách mức độ biến động tài sản (volatility) thay đổi theo thông tin.
Trong trường hợp thị trường có thông tin xấu, mô hình T-GARCH trở thành:
σ
t = a0 + (ai + γ1)at-1 + βισt2-ι
Trong trường hợp thị trường có thông tin tốt hoặc không xấu, mô hình trở thành:
σ2= a0 + a1a^2-1 + β1σ^2-1
Như vậy, phản ứng của thị trường với thông tin (khiến cho mức độ biến động của tài sản tăng lên hoặc giảm đi) sẽ phụ thuộc vào tham số Ỵ1.
- Nếu Ỵ1 > 0 và có ý nghĩa thống kê, thị trường biến động (phản ứng) mạnh hơn với tin xấu
- Nếu Ỵ1 < 0 và có ý nghĩa thống kê, thị trường biến động (phản ứng) yếu hơn với tin xấu
Trong dịch (1) Ngoài dịch (2) Chênh lệch (1) - (2) t-statistic [z-statistic] Tổng dịch bệnh 0.000688 0.000257 0.000431 0.60 [0.000312] [0.000223] [0.000088] [0.50] Corona -0.003512 0.000387 - 2.73 (sars + ncovid19) [-0.001630] [0.000287] [- 0.00192**] [2.27] dịch Tổng dịch bệnh Corona Constant (ơ) 0.0003 (1.20) 0.0004* Coefficient^) 0.0004 (0.56) -0.0039** (- _________2.05) Số quan sát 4499 4499 R_squared 0.0001 0.0017
- Neu γι = 0, thị trường biến động (phản ứng) như nhau với tất cả các thông tin
3.3.3 Mô hình 3
Để nghiên cứu tác động của dịch bệnh đến mức độ biến động (rủi ro) của thị trường chứng khoán, biến dummy được đưa vào trong mô hình vào mô hình T- GARCH(1,1) trong mô hình kết hợp ARMA(1,1) + TGARCH (1,1) như sau:
rt = φ0 + φ1rt-1 + S1JANUARY + ∑ SiWEEKDAYi + at - θat-1
L-ii=2
at = σtet
(3)
ơỉ = a0 + (a1 + γ1Nt-1)at-1 + τEPIDEMIC + β1σjL1
Trong đó, rt thể hiện tỷ suất lợi nhuận của chỉ số thị trường hoặc cổ phiếu đơn lẻ.
EPIDEMIC là biến giả, nhận giá trị 1 nếu thị trường đang ở trong thời gian dịch bệnh và 0, nếu thị trường ở thời điểm bình thường. Tác giả sử dụng biến giả thể hiện tất cả các loại dịch bệnh được mô tả trong bảng 3.1 và một biến giả thể hiện riêng dịch bệnh do chủng Corona virus gây ra (bao gồm SARS và NCOVID19). Ở một số mô hình, tác giả kiểm soát cả hiệu ứng ngày trong tuần và hiệu ứng tháng giêng thường có ảnh hưởng
đến tỷ suất lợi nhuận của cổ phiếu trong nghiên cứu như của Giovanis (2008). Trong đó,
at là cú sốc thông tin ở thời điểm t.
Hệ số hồi quy quan trọng ở đây là τ. Thể hiện tác động của dịch bệnh lên mức độ
biến động (rủi ro) của thị trường chứng khoán. Nếu như dịch bệnh làm cho thị trường chứng khoán biến động mạnh hơn, chúng ta có thể kỳ vọng hệ số hồi quy này mang dấu
dương và có ý nghĩa thống kê
PHẠM TRÍ THÀNH 24