Rt Coef. Std. Err. Z P>z [95% Conf. Interval] Rt_L1 0.082 0.011 7.46 0.000 0.060 0.103 Rt_L2 0.082 0.011 7.7 0.000 0.061 0.103 Sgsvt_L1 0.005 0.002 3 0.003 0.002 0.008 Sgsvt_L2 0.003 0.002 1.79 0.074 0.000 0.006 Vlmt_L1 -0.006 0.003 -1.74 0.081 -0.012 0.001 Vlmt_L2 -0.010 0.003 -2.93 0.003 -0.016 -0.003 Vowt_L1 -0.153 0.008 -20.06 0.000 -0.168 -0.138 Volt_L1 0.010 0.013 0.78 0.433 -0.016 0.036 _Cons 0.020 0.003 6.22 0.000 0.014 0.027
Nguồn: Tổng hợp từ dữ liệu nghiên cứu dựa trên phần mềm Stata
Trong bảng 4.8, hai biến giải thích cần nghiên cứu là (Sgsvt_L1), (Sgsvt_L2) tức là biến khối lượng tìm kiếm Google chuẩn hóa độ trễ 1 tuần và độ trễ 2 tuần lần lượt có giá trị P-value <0.01 và <0.1. Điều này thể hiện biến khối lượng tìm kiếm Google có giải thích tới biến độc lập , có ý nghĩa thống kê. Hệ số hồi quy của cả 2 biến trên đều mang dấu dương, điều này thể hiện tác động cùng chiều của 2 biến Sgsvt_L1, Sgsvt_L2 tới tỷ suất sinh lợi vượt trội . Tức là khối lượng tìm kiếm Google càng cao thì tỷ suất sinh lợi vượt trội của chứng khoán càng cao. Tuy nhiên, mức tác động ở đây là yếu, thể hiện qua 2 chỉ số hệ số hồi quy của 2 biến Sgsvt_L1, Sgsvt_L2 lần lượt là 0.004 và 0.002.
Trong bảng 4.2, tác giả chưa đưa biến giả Tháng Giêng và Khủng hoảng cùng với 3 biến * ; * ; * vào mơ hình. Vì thế, tác giả hồi quy mơ hình mở rộng (2) được kết quả như bảng 4.9.
Bảng 4.9: Mơ hình hồi quy (2) với phương pháp RE.
Rt Coef. Std. Err. Z P>z 95% Conf. Interval Rt_L1 0.071 0.029 2.43 0.015 0.014 0.128 Rt_L2 0.063 0.011 5.96 0.000 0.042 0.084 Sgsvt_L1 0.010 0.003 3.47 0.001 0.004 0.016 Sgsvt_L2 0.007 0.002 4.28 0.000 0.004 0.010 Vlmt_L1 -0.005 0.003 -1.58 0.115 -0.012 0.001 Vlmt_L2 -0.007 0.003 -2.19 0.029 -0.014 -0.001 Vowt_L1 -0.180 0.008 -23.38 0.000 -0.195 -0.165 Volt_L1 0.006 0.013 0.50 0.618 -0.019 0.032 Jan -0.013 0.006 -2.32 0.021 -0.024 -0.002 Crisis -0.028 0.003 -9.85 0.000 -0.033 -0.022 Rt_L1sgsvt_L1 0.132 0.010 12.85 0.000 0.112 0.152 Rt_L1vlmt_L1 -0.020 0.028 -0.72 0.470 -0.074 0.034 Sgsvt_L11vlmt_L 1 -0.002 0.003 -0.78 0.436 -0.007 0.003 Cons 0.029 0.003 8.76 0.000 0.023 0.036
Nguồn: Tổng hợp từ dữ liệu nghiên cứu dựa trên phần mềm Stata
Tác giả trình bày mơ hình hồi quy (2) với phương pháp RE trong bảng 4.9. Trong bảng 4.9, cả 2 biến biến giả tháng Giêng (Jan) và biến giả đại diện khủng hoảng tài chính (Crisis) đều có mức ý nghĩa thống kê với mức ý nghĩa 5%. Cũng
như trong mơ hình (1), các biến tỷ suất sinh lợi vượt trội với độ trễ 1 tuần và 2 tuần đều có ý nghĩa thống kê và có mức ý nghĩa nhỏ hơn 1%. Riêng 2 biến giải thích đang được quan tâm là , có mức ý nghĩa 1% thể hiện độ tin cậy cao hơn so với mơ hình (1) và hệ số hồi quy cũng được cải thiện lần lượt là 0.01 và 0.006. Cùng với đó, 2 biến * ; * khơng có ý nghĩa thống kê. Tức là với mẫu của tác giả sử dụng thì chưa đủ bằng chứng để chứng tỏ rằng biến khối lượng giao dịch quá khứ tác động đến khối lượng tìm kiếm Google để tác động đến tỷ suất sinh lợi chứng khoán vượt trội. Tuy nhiên, biến * là biến duy nhất có ý nghĩa thống kê trong ba biến kết hợp. Điều này nói lên rằng tỷ suất sinh lợi vượt trội trong quá khứ có tác động đến khối lượng tìm kiếm Google trong quá khứ, điều này ảnh hưởng đến tỷ suất sinh lợi vượt trội hiện tại. Để thuận lợi hơn trong việc xem xét 2 mơ hình (1) và (2), tác giả trình bày tổng hợp trong bảng 4.10.
Từ bảng 4.10, tác giả có thể thấy được một cách tổng quát là biến khối lượng tìm kiếm Google có tác động tích cực đến tỷ suất sinh lợi vượt trội chứng khoán nhưng ở mức độ khá yếu. Tức là, khi nhà đầu tư tìm kiếm tên một cơng ty nào đó bất kỳ trên Google search, thì tỷ suất sinh lợi vượt trội của chứng khốn đó sẽ tăng. Đây là một kết luận quan trọng để tác giả sử dụng kết quả này và tìm ra một danh mục phân bổ đầu tư tốt nhất. Ngoài ra, đối với mơ hình (2) là mơ hình mở rộng của mơ hình (1), các biến giả tháng Giêng và khủng hoảng tài chính cũng có tác động tiêu cực tới tỷ suất sinh lợi vượt trội của chứng khốn. Điều này đơn giản vì trong thị trường chứng khốn, khủng hoảng tài chính ln mang lại những khoản lỗ, suy nghĩ tiêu cực về thị trường. Như kết quả trong bảng 4.4, biến trong cả 2 mơ hình lần lượt là 0.081 và 0.07 và lần lượt là 0.082; 0.063. Các biến đại diện cho tỷ suất sinh lợi vượt trội này đều có hệ số dương, chứng tỏ rằng, lợi nhuận trong quá khứ của tỷ suất sinh lợi tăng thì tỷ suất suất sinh lợi hiện tại cũng có xu hướng tăng. Các biến cịn lại trong cả 2 mơ hình đa số có ý nghĩa thống kê, có hệ số khá gần nhau. Tuy nhiên, trong bảng 4.9, với mơ hình (2), biến khơng có ý
Bảng 4.10: Kết quả tổng hợp mơ hình (1) và mơ hình (2).
Biến độc lập Mơ hình (1) Mơ hình (2)
January Dummy -0.012** 08/09 Crash Dummy -0.027*** 0.004*** 0.010*** 0.003* 0.007*** 0.081*** 0.070** 0.082*** 0.063*** -0.006* -0.005 -0.009*** -0.007** -0.152*** -0.179*** 0.010 0.006 * 0.131*** * -0.002 * -0.020 Model 0.0869 0.1150
***, **, * tương ứng với các mức ý nghĩa 1%, 5% và 10%.
Nguồn: Tổng hợp từ dữ liệu nghiên cứu dựa trên phần mềm Stata
Hiệu ứng tích cực với độ trễ 1 tuần và 2 tuần này là đi ngược lại kết quả với những nghiên cứu thực nghiệm của Laurens Bijl và cộng sự (2016). Lý do có thể giải thích cho vấn đề này là do thị trường chứng khốn của Việt Nam có những đặc điểm riêng, khác với thị trường chứng khoán Mỹ. Bởi các dữ liệu thống kê của nước
ngoài (tiêu biểu là Mỹ) có tính ổn định và bền vững, khác với thị trường chứng khoán Việt Nam đang còn ở buổi ban đầu và đặc biệt còn phụ thuộc vào yếu tố tâm lý. Thị trường Việt Nam có nhiều điểm khác biệt. Một ví dụ về cái khác đó là trong khi hệ thống pháp lý các nước phát triển thì ổn định, kiến thức của nhà đầu tư thì chuyên sâu hơn so với các nhà đầu tư Việt Nam. Vì vậy mới có sự ngược chiều. (Nguyễn Ngọc Bích, 2007). Với kết quả như trên, tác giả cũng khẳng định rằng, bài nghiên cứu đã thể hiện được rằng lợi nhuận thị trường chứng khốn là có thể dự đốn được bởi cơng cụ Google, một cơng cụ đo lường trạng thái, cảm xúc đầu tư của nhà đầu tư so với những công cụ dự đốn lợi nhuận chứng khốn bằng cơng cụ truyền thống khác.
Tác giả cũng quan sát tác động độ mạnh dự đoán của GSV là thấp hơn so với tác động của khối lượng giao dịch đã điều chỉnh và so với tỷ suất sinh lợi vượt trội độ trễ 1 tuần và 2 tuần. Với biến biến động chứng khốn thì tác động của GSV cũng yếu hơn. Cuối cùng, nó cũng là thú vị để lưu ý rằng việc bao gồm các biến tương tác và biến giả cuộc khủng hoảng tài chính/biến giả tháng Giêng, các biến trong mơ hình của tác giả khơng thay đổi đến sự tác động của GSV lên tỷ suất sinh lợi vượt trội chứng khoán. Điều này được thể hiện rõ ở mức ý nghĩa 1% của biến GSVS ở cả hai mơ hình (1) và (2). Tác giả cũng thấy rằng hiệu ứng này dường như mạnh hơn sau cuộc khủng hoảng tài chính thể hiện qua hệ sô của biến ở mơ hình (2) là 0.010 lớn hơn 0.004 ở mơ hình (1). Và biến ở mơ hình (2) là 0.007 lớn hơn 0.003 ở mơ hình (1)
Cơn bão tài chính thế giới khơng có những tác động lớn trực tiếp đến nền kinh tế nói chung và TTCK Việt Nam nói riêng. Cơ sở của những kết luận trên là tính liên thơng và hội nhập của nền kinh tế Việt Nam với nền kinh tế và thị trường tài chính thế giới chưa cao. Tuy nhiên, nếu xem xét một cách thấu đáo có thể thấy rằng mặc dù khơng chịu ảnh hưởng trực tiếp nhưng TTCK Việt Nam cũng đã chịu sự tác động nhất định từ cuộc khủng hoảng tài chính tồn cầu. Sự tác động này biểu hiện trên các phương diện sau đây:
Một là, khủng hoảng tài chính với sức lan tỏa nhanh chóng đã tác động đến các quốc gia vốn là thị trường xuất khẩu hàng hoá của nhiều doanh nghiệp niêm yết như Mỹ, Liên minh Châu Âu, Nhật Bản, Hàn Quốc…Khủng hoảng tài chính làm sức mua của các thị trường trên giảm sút nghiêm trọng ảnh hưởng đáng kể đến kế hoạch doanh thu và lợi nhuận của các doanh nghiệp niêm yết làm giá cổ phiếu của các doanh nghiệp này vốn đang sụt giảm lại khó có khả năng phục hồi.
Hai là, khủng hoảng tài chính đã làm cho các nhà đầu tư nước ngồi bán rịng cổ phiếu, trái phiếu. Tính từ đầu tháng 8/2008 đến đầu tháng 10/2008 các nhà đầu tư nước ngoài đã liên tục bán ròng cổ phiếu với tổng giá trị lên 1.278 tỷ đồng và khoảng 13,5 ngàn tỷ đồng đối với trái phiếu. Với giá trị bán ra khổng lồ này đã góp phần khơng nhỏ vào sự sụt giảm của chỉ số VN-Index và Hastc-Index thời gian đó.
Thứ ba, tác động rõ nét nhất của cuộc khủng hoảng tài chính tồn cầu đến TTCK Việt Nam là ở yếu tố tâm lý. Yếu tố tâm lý đã làm cho TTCK Việt Nam bao phen lâm vào tình trạng mất cân đối cung cầu: khi giá chứng khốn lên thì mua khơng được, ngược lại khi giá rớt thì chỉ tồn lệnh bán mà khơng có lệnh mua.
Thứ tư, tâm lý giá xuống đã làm đe dọa tính thanh khoản của thị trường. Khi đó từ “khủng hoảng niềm tin” thị trường sẽ chuyển sang một cuộc khủng hoảng khác nguy hiểm hơn nhiều: khủng hoảng về tính thanh khoản trên thị trường chứng khốn.
Như đã phân tích ở trên, mặc dù không chịu ảnh hưởng trực tiếp từ cuộc khủng hoảng tài chính tồn cầu nhưng Việt Nam ít nhiều cũng đã chịu sự tác động nhất định, đặc biệt là TTCK. Chính vì vậy, việc nghiên cứu tác động của GSV đến tỷ suất sinh lợi chứng khoán trong cả hai giai đoạn trong và sau cuộc khủng hoảng
So sánh các kết quả hồi quy giữa có và khơng có cuộc khủng hoảng tài chính. Để kiểm tra điều này, tác giả tính tốn cho các mơ hình của tác giả không chỉ đối với toàn bộ thời gian, mà còn cho hai tuần con, tuần đầu tiên là giai đoạn xung quanh cuộc khủng hoảng tài chính.Tác giả tách dữ liệu từ 2008 đến 2012 thành 2 giai đoạn. Giai đoạn 1: 2008-2009 và giai đoạn 2: 2010-2012. Tác giả chạy mơ hình (2) với hai giai đoạn 2008-2009 và 2010-2012, kết quả hồi quy trong bảng 4.11 và bảng 4.12.
Bảng 4.11: Kết quả hồi quy mơ hình (2) giai đoạn khủng hoảng 2008-2009.
Rt Coef. Std. Err. Z P>z 95% Conf. Interval Rt_L1 0.322 0.046 6.93 0.000 0.231 0.413 Rt_L2 0.047 0.016 2.86 0.004 0.015 0.079 Sgsvt_L1 0.002 0.004 0.56 0.575 -0.006 0.011 Sgsvt_L2 0.004 0.002 2.00 0.045 0.000 0.008 Vlmt_L1 -0.005 0.006 -0.72 0.471 -0.017 0.008 Vlmt_L2 -0.013 0.005 -2.56 0.010 -0.023 -0.003 Vowt_L1 0.046 0.066 0.70 0.486 -0.084 0.176 Volt_L1 -0.325 0.038 -8.46 0.000 -0.401 -0.250 Jan 0.004 0.009 0.43 0.667 -0.014 0.021 Rt_L1sgsvt_L1 -0.014 0.015 -0.95 0.340 -0.043 0.015 Rt_L1vlmt_L1 -0.047 0.042 -1.11 0.267 -0.129 0.036 Sgsvt_L11vlmt_L1 0.002 0.004 0.55 0.582 -0.006 0.010 _Cons 0.026 0.008 3.40 0.001 0.011 0.040
Bảng 4.12: Kết quả hồi quy mơ hình (2) giai đoạn sau khủng hoảng 2010-2012. Rt Coef. Std. Err. Z P>z [95% Conf. Interval Rt_L1 -0.041 0.038 -1.080 0.281 -0.115 0.034 Rt_L2 0.043 0.014 3.160 0.002 0.016 0.069 Sgsvt_L1 0.003 0.007 0.380 0.702 -0.011 0.017 Sgsvt_L2 0.012 0.003 4.170 0.000 0.007 0.018 Vlmt_L1 0.004 0.006 0.710 0.480 -0.007 0.015 Vlmt_L2 0.004 0.004 0.930 0.355 -0.004 0.012 Vowt_L1 -0.220 0.007 -29.630 0.000 -0.234 -0.205 Volt_L1 0.043 0.013 3.310 0.001 0.018 0.069 Jan -0.035 0.007 -5.100 0.000 -0.049 -0.022 Rt_L1sgsvt_L1 0.191 0.021 9.040 0.000 0.150 0.233 Rt_L1vlmt_L1 -0.037 0.036 -1.030 0.303 -0.107 0.033 Sgsvt_L11vlmt_L1 0.013 0.007 1.840 0.066 -0.001 0.027 _Cons 0.017 0.005 3.140 0.002 0.006 0.028
Nguồn: Tổng hợp từ dữ liệu nghiên cứu dựa trên phần mềm Stata
Để so sánh sự phù hợp của mơ hình trong cả 2 giai đoạn, tác giả trình bày tổng hợp kết quả hồi quy trong bảng 4.13.
Bảng 4.13. Kết quả hồi quy mơ hình (2) với 2 giai đoạn: Giai đoạn trong khủng hoảng (2008-2009) và giai đoạn sau khủng hoảng (2010-2012).
Biến độc lập 2008-2009 2010-2012 January Dummy 0.03 -0.035*** 08/09 Crash Dummy 0.002 0.003 0.004** 0.012*** 0.3*** -0.041 0.04*** 0.043*** -0.045 0.004 -0.013*** -0.002* 0.04 -0.219*** -0.032*** 0.043*** * -0.014 0.191*** * 0.002 0.013 * -0.04 -0.036* Model 0.1485 0.175
***, **, * tương ứng với các mức ý nghĩa 1%, 5% và 10%.
Trong bảng 4.13, các biến khác như hay đều có kết quả tương tự như trong mơ hình (2) với giai đoạn tổng thể 2008-2012. Tác giả quan sát thấy tác động của GSV chuẩn hóa từ tuần trước đó (độ trễ 1 tuần) khơng có ý nghĩa thống kê. Tuy nhiên, với độ trễ là 2 tuần thì tác động của GSV chuẩn hóa là ln tích cực và có ý nghĩa thống kê trên cả hai giai đoạn 2008-2009 và 2010-1012. Tại bảng 4.12, biến SGSV độ trễ 2 tuần có hệ số lần lượt là 0.004 và 0.012, tức là trong giai đoạn 2010-2012, tác giả nhận thấy rằng biến GSV chuẩn hóa có tác động lớn hơn tới tỷ suất sinh lợi chứng khoán so với giai đoạn 2008-2009. Khi tách thành 2 giai đoạn con, kết quả hồi quy biến dường như khơng có ý nghĩa thống kê. Điều này có thể một phần là khi tách thành hai giai đoạn con, với bộ dữ liệu ngắn, nên kết quả hồi quy chưa thực sư rõ ràng. Vậy khi tách giai đoạn trong hay sau cuộc khủng hoảng thì biến GSV vẫn tác động đên tỷ suất sinh lợi chứng khoán. Tiếp theo, tác giả sẽ xem xét việc tách biến GSV ra khỏi mơ hình (1) và (2) trong giai đoạn 2008-2012 và cả hai giai đoạn con 2008-2009; 2010-2012 thì sự phù hợp của mơ hình tác động sẽ thay đổi như thế nào. Tác giả sử dụng cách so sánh giá trị R2
của các mơ hình như bảng 4.14.
Bảng 4.14. Giá trị R2 của mơ hình gốc ban đầu (1), mơ hình mở rộng (2), và mơ hình gốc ban đầu (1) nhưng loại bỏ biến SGSV.
Giai đoạn 2008-2012 2008-2009 2010-2012
Mơ hình (1) 0.087 0.147 0.156
Mơ hình (2) 0.115 0.148 0.175
Mơ hình (1) loại bỏ
biến SGSV 0.082 0.143 0.134
Tác giả nhận thấy rằng mơ hình (1) bao gồm biến GSV giải thích tỷ suất sinh lợi vượt trội tốt hơn mơ hình (1) mà đã loại bỏ biến GSV. Tuy nhiên, sự khác biến là khơng đáng kể. Đặc biệt, biến GSV đóng góp cho việc giải thích tỷ suất sinh lợi vượt trội tốt hơn đối với mơ hình mở rộng (2). Điều này khẳng định rằng biến GSV đóng góp một phần trong việc giải thích biến động của tỷ suất sinh lợi chứng khốn.
4.4. Kiểm định tính vững mơ hình nghiên cứu
Để phân tích tính vững mơ hình nghiên cứu, tác giả sử dụng 4 phương pháp như sau. Thứ nhất, tác giả sẽ kiểm định xem khi thay đổi định nghĩa về tỷ suất sinh lợi vượt trội, mơ hình có cịn phù hợp khơng. Ba định nghĩa về tỷ suất sinh lợi vượt trội gồm , , , ba định nghĩa này sẽ được trình bày ngay sau đây. Thứ hai, khi dữ liệu GSV là các dữ liệu tìm kiếm ngẫu nhiên, như bóng đá, một từ tìm kiếm khơng liên quan tới các chứng khốn đang xem xét, liệu mơ hình có cịn phù hợp nữa không. Thứ ba, tác giả chọn lại mẫu con ngẫu nhiên 30 công ty từ mẫu ban đầu 36 công ty của tác giả để kiểm định sự phù hợp của mơ hình. Thứ tư, tác giả