3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU:
3.1.1. Môhình hồi quy dự báo tiêu chuẩn:
Một mô hình hồi quy dự báo mà liên kết tỷ suất sinh lợi thặng dư với một bộ biến công cụ trễ là một khuôn khổ chuẩn cho việc phân tích khả năng dự đoán tỷ suất sinh lợi chứng khoán. Theo như nghiên cứu của Ang và Bekaert (2007), nhóm sử dụng lãi suất danh nghĩa quốc gia và tỷ suất cổ tức như hai biến công cụ trong mô hình hồi quy dự báo chuẩn:
𝑟𝑖,𝑡+1 = 𝛽𝑖,0+ 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡 + 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡+ 𝜖𝑖,𝑡+1, (9)
Với 𝑟𝑖,𝑡+1 là tỷ suất sinh lợi của chỉ số chứng khoán quốc gia trừ lãi suất phi rủi ro từ cuối tháng 𝑡 đến cuối tháng 𝑡 + 1 của quốc gia 𝑖 (𝑖=1, …, N), 𝑏𝑖𝑙𝑙𝑖,𝑡(𝑑𝑦𝑖,𝑡) là lãi suất t- bill 3 tháng (tỷ suất cổ tức lấy log) cuối tháng 𝑡, và 𝜖𝑖,𝑡+1 là một nhiễu trung bình bằng 0. Quan sát điều này, theo nghiên cứu của Solnik (1993), Ang và Bekaert (2007), và
Hjalmarson (2010) và các tác giả khác, tỷ suất sinh lợi thặng dư được đo lường theo đơn vị tiền tệ quốc gia. Chú ý trong nghiên cứu của Solnik (1993), tỷ suất sinh lợi thặng dư theo đồng nội tệ xấp xỉ bằng với tỷ suất sinh lợi thặng dư phòng ngừa bằng ngoại tệ cho các nhà đầu tư quốc tế vì sự tồn tại ngang giá lãi suất, với phần bù kỳ hạn bằng chênh lệch trong lãi suất phi rủi ro.
Nhóm nghiên cứu tiến hành ước tính OLS phương trình (9) cho Mỹ, Trung Quốc và 6 quốc gia Đông Nam Á. Mẫu nghiên cứu kéo dài từ tháng 6/2007 đến tháng 6/2013. Vấn đề kinh tế lượng chủ yếu ở đây khi hồi quy với với các biến trễ là sai lệch Stambaugh (1999). Do đó, nhóm kiểm soát sai lệch này thông qua một chu trình wild bootstrap. Chu trình bootstrap không chỉ vững chắc với sai lệch Stambaugh (1999) đối việc kiểm định giả thuyết không mà nó còn cho phép phương sai thay đổi có điều kiện đối với tỷ suất sinh lợi chứng khoán. Sau đó, nhóm tiến hành hồi quy tỷ suất sinh lợi của các quốc gia Đông Nam Á với lãi suất danh nghĩa lấy trễ và tỷ suất cổ tức lấy trễ của Mỹ/Trung Quốc thay thế cho lãi suất lấy trễ và tỷ suất cổ tức lấy trễ của chính các quốc gia đó như các biến độc lập để xem xét xem các biến số kinh tế của Mỹ/Trung Quốc có dự báo được tỷ suất sinh lợi chứng khoán của các nước Đông Nam Á hay không. Hơn nữa, để đo lường mối quan hệ trung bình trong dữ liệu, nhóm thực hiện các ước lượng gộp áp đặt các giới hạnz: 𝛽𝑖,𝑏 = 𝛽̅𝑏 và 𝛽𝑖,𝑑 = 𝛽̅𝑑 cho tất cả i. Giá trị
thống kê t đối với giá trị ước lượng 𝛽̅̂𝑏 và 𝛽̅̂𝑑 được tính dựa trên sai số chuẩn (standard error), mà sai số chuẩn này được tính từ một chu trình GMM, mà chu trình GMM thì lại giải thích cho phương sai thay đổi và sự tự tương quan đồng thời giữa tỷ suất sinh lợi của các chỉ số chứng khoán quốc gia (Ang và Bekaert (2007)).
Ngoài ra, để kiểm định xem chu trình wild bootstrap có giải thích phù hợp cho sai lệch Stambaugh (1999) hay không, nhóm tiến hành ước tính phương trình (9) bằng cách sử dụng phương pháp hồi quy đa biến cải tiến (mARM) của Amihud, Hurvich, và Wang (2009), đây là phương pháp tạo ra giá trị ước lượng đã giảm thiểu sai lệch của hệ số và được thiết kế để giải thích cho sai lệch Stambaugh (1999). Sự kiểm định này chủ yếu là xem xét xem sai lệch Stambaugh (1999) có dẫn đến thống kê t bị khai khống đối với giá trị ước lượng của hệ số độ dốc OLS và vì vậy bác bỏ sai giả thuyết 𝐻0: không có khả năng dự đoán. Do đó, nhóm tiến hành so sánh giá trị p-value được tạo ra bởi
chu trình wild bootstrap với giá trị p-value của mô hình mARM, nếu giá trị p-value của chu trình wild bootstrap thật sự tạo ra ít sự bác bỏ hơn so với giá trị p-value của mRAM, thì chỉ ra rằng chu trình wild bootstrap kiểm soát thỏa mãn cho lệch lạc Stambaugh (1999). Ngoài ra có thể thấy, chu trình wild bootstrap có một lợi thế hơn mô hình mARM là do giá trị p-value của chu trình wild boostrap giải thích được cho phương sai thay đổi có điều kiện trong khi mô hình mARM thì không.
Bên cạnh đó, ngoài việc nghiên cứu cho dữ liệu FTSE, nhóm còn tiến hành nghiên cứu mô hình hồi quy dự báo tiêu chuẩn này cho dữ liệu các chỉ số chứng khoán quốc gia của Morgan Stanley Capital International (MSCI) và Global Financial Data (GFD), kết quả được trình bày trong phụ lục.
