4. KẾT QUẢ NGHIÊN CỨU:
4.1.1.Môhình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của từng
năng dự đoán đối với tỷ suất sinh lợi chứng khoán.
4. KẾT QUẢ NGHIÊN CỨU:
4.1. Mô hình hồi quy dự báo tiêu chuẩn:
4.1.1.Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của từng quốc gia: quốc gia:
Các giá trị ước lượng theo phương pháp hồi quy bình phương bé nhất (OLS) của 𝛽𝑖,𝑏 (𝛽𝑖,𝑑) trong mô hình hồi quy dự báo tiêu chuẩn của phương trình (9), được trình bày trong cột thứ hai và thứ bảy (thứ ba và thứ tám) của bảng II. Giá trị thống kê 𝑡, được trình bày bên dưới các giá trị ước lượng của các hệ số, được tính dựa trên sai số chuẩn vững chắc với phương sai thay đổi (heteroskedasticity-robust standard error) (White (1980)). Để tăng tính bền vững của những suy luận thống kê, nhóm tính giá trị 𝑝 − 𝑣𝑎𝑙𝑢𝑒 bằng cchu trình wild bootstrap theo như bài nghiên cứu Goncalvs và Kilian (2004) và Cavaliere, Rahbek, và Taylor (2010). Chu trình boostrap này có rất nhiều ưu điểm như vừa có thể cho phép duy trì tương quan đồng thời giữa các biến trong dữ liệu, vừa cho phép những dạng chung của phương sai thay đổi có điều kiện, và vừa điều chỉnh được sai lệch Stambaugh (1999), sai lệch xảy ra khi tiến hành hối quy với các biến trễ, cũng như giúp chống lại những bóp méo về kích thước, điều mà có thể gây sai lệch trong các giá trị hồi quy dự báo.
Bảng 2: Kết quả ước lượng mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến 2013:06
Bảng dưới đây cho thấy các ước lượng OLS của 𝛽𝑖,𝑏 và 𝛽𝑖,𝑑 (được thể hiện lần lượt bởi 𝛽̂𝑖,𝑏 và 𝛽̂𝑖,𝑑) và thống kê 𝑅2 của mô hình hồi quy dự báo:
𝑟𝑖,𝑡+1= 𝛽𝑖,0+ 𝛽𝑖,𝑏𝑏𝑖𝑙𝑙𝑖,𝑡+ 𝛽𝑖,𝑑𝑑𝑦𝑖,𝑡+ 𝜖𝑖,𝑡+1,
Thống kê t của 𝛽̂𝑖,𝑏 (𝛽̂𝑖,𝑑) kiểm định cho giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 0 ngược lại với giả thuyết 𝐻𝐴: 𝛽𝑖,𝑏 < 0 (𝐻0: 𝛽𝑖,𝑑 = 0 ngược lại với 𝐻𝐴: 𝛽𝑖,𝑑 > 0). Các giá trị bên dưới thống kê 𝑅2 cho thấy thống kê 𝜒2 độ mạnh của giả thuyết H0 đối với kiểm định giả thuyết 𝐻0: 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0.
thể hiện mức ý nghĩa 10% hoặc tốt hơn đối với giá trị p-value của chu trình wild bootstrap. Dữ liệu được lấy từ FTSE.
Country (i) βi,b βi,d R2 (%) Country (i) βi,b βi,d R2 (%)
VietNam -0.09 0.21 2.09 Singapore -0.52 0.32 6.43 t-stat -2.88 1.33 8.39 t-stat -2.96 0.60 15.35 p-value 0.00 0.13 0.02 p-value 0.00 0.48 0.00 Indonesia -0.04 0.02 0.85 USA -0.12 0.73 2.84 t-stat -2.29 0.03 5.57 t-stat -1.99 1.13 7.01 p-value 0.00 0.65 0.04 p-value 0.02 0.21 0.04 Thailand -0.24 0.27 1.99 China 0.13 0.61 0.50 t-stat -1.93 0.51 6.76 t-stat 0.84 1.18 1.44 p-value 0.04 0.36 0.04 p-value 0.70 0.23 0.54 Malaysia -0.30 0.32 2.84 t-stat -2.72 0.87 7.81 p-value 0.01 0.23 0.02 Phillipine -0.19 1.02 6.72 Pooled -0.19 1.02 6.72 t-stat -4.08 2.35 18.33 t-stat -4.08 2.35 18.33 p-value 0.00 0.03 0.00 p-value 0.00 0.02 0.00
Từ bảng 2 có thể thấy: ngoại trừ Trung Quốc, tất cả giá trị ước lượng 𝛽̂𝑖,𝑏(𝛽̂𝑖,𝑑) âm (dương) của các quốc gia trong bảng 2 đều phù hợp với các bài nghiên cứu trước đây. Để có những kiểm định khả năng dự báo mạnh hơn, nhóm nghiên cứu đã làm theo đề nghị của Inoue và Kilian (2004) về việc sử dụng chu trình wild bootstrap để tính giá trị 𝑝 − 𝑣𝑎𝑙𝑢𝑒 để kiểm định cho giả thuyết không là không có khả năng dự báo và giả thuyết đối là có khả năng dự báo (𝛽𝑖,𝑏 < 0 𝑣à 𝛽𝑖,𝑑 > 0). Nhóm đã làm nổi bật những hệ số ước lượng và thống kê 𝑅2 mà có ý nghĩa tại mức ý nghĩa 10% hoặc tốt hơn với ký hiệu “In đậm” trong bảng 2. Từ đây, nhóm nhận thấy lãi suất danh nghĩa là một chỉ báo dự đoán tỷ suất sinh lợi có ý nghĩa đối với Việt Nam, Indonesia, Thái Lan, Malaysia, Phillipines, Singapore và Mỹ, trong khi đó tỷ suất cổ tức là chỉ báo có ý nghĩa đối với Phillipines. Từ kết quả trên nhóm nhận thấy lãi suất danh nghĩa thể hiện khả năng dự báo mạnh hơn so với tỷ suất cổ tức, phù hợp với nghiên cứu của Ang và
Bekaert (2007) và Hjalmarsson (2010). Kết quả nghiên cứu từ bộ dữ liệu MSCI và GFD (xem phụ lục) cũng thể hiện sự đồng nhất với những kết quả bảng 2 khi cho thấy nhìn chung lãi suất danh nghĩa ngắn hạn dự báo tốt hơn so với tỷ suất cổ tức.
Các giá trị thống kê 𝑅2 trong cột thứ 4 và thứ 9 của bảng 2 khá nhỏ, chỉ biến động từ 0.5% (Trung Quốc) đến 6.72% (Phillipines), điều này cho thấy thành phần không thể dự đoán được trong tỷ suất sinh lợi thặng dư hàng tháng của các chỉ số chứng khoán quốc gia là khá lớn. Tuy nhiên, thậm chí giá trị thống kê 𝑅2 chỉ gần 0.5% cũng có thể cho thấy khả năng dự đoán tỷ suất sinh lợi có ý nghĩa kinh tế (Kandel và Stambaugh (1996), Campbell và Thompson (2008)). Việt Nam, Thái Lan, Malaysia, Phillipines, Singapore và Mỹ có thống kê 𝑅2 trên 1%, điều này cho thấy các tỷ suất cổ tức và lãi suất danh nghĩa vẫn thể hiện khả năng dự báo tỷ suất sinh lợi thặng dự hàng tháng của các chỉ số kinh tế quốc gia. Các giá trị bên dưới giá trị thống kê 𝑅2 trong bảng 2 trình bày thống kê Chi bình phương cho kiểm định giả thuyết 𝐻0: không có khả năng dự đoán tỷ suất sinh lợi cho quốc gia i:
𝐻0 ∶ 𝛽𝑖,𝑏 = 𝛽𝑖,𝑑 = 0. (2)
Nhóm bác bỏ giả thuyết 𝐻0 đối với Việt Nam, Indonesia, Thái Lan, Malaysia, Phillipines, Singapore và Mỹ dựa trên giá trị p-value của chu trình wild bootstrap. Có nghĩa là lãi suất danh nghĩa và tỷ suất cổ tức có thể hiện khả năng dự báo đối với tỷ suất sinh lợi của các chỉ số chứng khoán quốc gia trong trường hợp của Việt Nam, Indonesia, Thái Lan, Malaysia, Phillipines, Singapore và Mỹ. Kết quả nghiên cứu của dữ liệu MSCI và GFD (xem phụ lục) củng cố cho những kết luận trên.
Theo như nghiên cứu của Ang và Bekaert (2007) và Hjalmarsson (2010), nhóm tiến hành ước lượng gộp cho phương trình (9) mà có áp đặt các giới hạn 𝛽𝑖,𝑏 = 𝛽̅𝑏 và 𝛽𝑖,𝑑 = 𝛽̅𝑑 cho tất cả i. Cả ước lượng 𝛽̅̂𝑏 (-0.19) và 𝛽̅̂𝑑 (-1.02) đều có ý nghĩa tại mức ý nghĩa thông thường, theo giá trị p-value được tính từ chu trình wild bootstrap. Tuy nhiên, kết quả nghiên cứu từ MSCI và GFD (xem phụ lục) không cho thấy tỷ suất cổ tức thể hiện khả năng dự báo đối với tỷ suất sinh lợi của các chỉ số chứng khoán quốc gia, điều này thì càng củng cố thêm cho lập luận của Ang và Bekaert (2007) và Hjalmarsson (2010) khi cho rằng lãi suất danh nghĩa thể hiện khả năng dự báo mạnh
hơn tỷ suất cổ tức đối với tỷ suất sinh lợi của các chỉ số quốc gia. Việc gộp dữ liệu lại để ước lượng cũng có những ưu điểm nhất định có thể thấy được theo nghiên cứu của Hjalmarsson (2010) như: Khi gộp dữ liệu lại, các dữ liệu chéo và độc lập giảm bớt được tác động nội sinh, tác động mà gây ra sai lệch Stambaugh trong trường hợp chuỗi thời gian. Có nghĩa là, sai lệch Stambaugh chỉ phát sinh khi các biến dự báo liên tục và nội sinh; và bằng cách gộp dữ liệu, hiện tượng nội sinh, theo một nghĩa nào đó, được loại bỏ và vì vậy cũng loại bỏ được sai lệch. Do đó việc sử dụng phương thức ước lượng gộp cũng có những ý nghĩa nhất định.