6. Kết cấu của luận văn
3.4 PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU VÀ KIỂM ĐỊNH
3.4.1 Phân tích tương quan giữa các biến độc lập
Phân tích tương quan được sử dụng để đo độ lớn của các mối quan hệ trong
các biến độc lập với nhau hay xác định sự liên kết giữa các nhân tố giải thích. Ta phải xác định tầm quan trọng của mỗi nhân tố khi được sử dụng đồng thời trong mơ hình, vì vậy phải loại bỏ mối quan hệ giữa các nhân tố. Khi hệ số tương quan càng thấp thì các biến khơng có sự tương quan, mơ hình có ý nghĩa. Phương pháp được sử dụng là phân tích mối liên hệ giữa các nhân tố giải thích đó là phần bù thị trường (Rm-Rf), biến SMB và biến HML. Tuy nhiên nếu các hệ số tương quan lớn ta tiến hành kiểm tra hiện tượng đa cộng tuyến.
Hiện tượng đa cộng tuyến là hiện tượng xảy ra khi đưa biến vào mơ hình thì có hai hay nhiều biến cùng giải thích chung cho một yếu tố nào đó. Đa cộng tuyến có thể làm gia tăng mức độ giải thích cho cả mơ hình nhưng sẽ làm giảm mức độ giải thích cho từng biến riêng rẽ.
3.4.2 Phân tích hồi quy tuyến tính
Phân tích được thực hiện cho từng danh mục đầu tư theo phương pháp bình phương bé nhất (Ordinary LeastSquare- OLS). Tuy nhiên, việc đưa cùng một lúc ba nhân tố là không thể đánh giá mức độ ảnh hưởng của từng nhân tố nên chúng ta sẽ dùng phương thức chọn từng bước để đưa từng biến có ý nghĩa vào mơ hình.
Đầu tiên ta hồi qui CAPM cho 6 danh mục (S/L, S/M, S/H, B/L, B/M, B/H). Tiếp
theo ta sẽ hồi qui lần lượt từng bước các biến SMB và HML vào mơ hình CAPM cho 6 danh mục trên.
Mơ hình hồi quy được sử dụng:
Đối với mơ hình CAPM:
40
Đối với mơ hình Fama-French:
Ri - Rf = α + β(RM- Rf) + siSMB + hiHML + ε
Cuối cùng ta sẽ so sánh hệ số hiệu chỉnh R2 hiệu chỉnh theo từng bước của quá trình hồi quy. Khi R2 hiệu chỉnh càng lớn thì mơ hình càng tốt nghĩa là khi ta thêm các biến SMB và HML vào mơ hình sẽ càng phù hợp hơn.
Ngồi ra, trong bài sẽ thực hiện kiểm định giả thiết hồi quy, kiểm định
thừa biến, bằng cách kiểm tra các hệ số hồi quy có bằng 0 hay khơng. Mục
đích là xem mức độ quan trọng của các biến phần bù thị trường, biến SMB và
41
KẾT LUẬN CHƯƠNG 3
Chương này trình bày phương pháp nghiên cứu và quy trình thu thập dữ liệu
đầu vào để kiểm định khả năng giải thích của mơ hình ba nhân tố Fama-French cho
sự thay đổi tỷ suất sinh lợi trên thị trường chứng khoán Việt Nam trong giai đọan từ tháng 1 năm 2008 đến tháng 12 năm 2013. Bài nghiên cứu đã sữ dụng dữ liệu của 130 chứng khoán niêm yết trên sàn HoSE
Phương pháp nghiên cứu của đề tài dựa theo các phương pháp luận của các nhà khoa học trước đây đã từng thực hiện trên các thị trường chứng khoán phát triển và mới nổi. Trong đó, tác giả đã thu thập dữ liệu giá đóng cửa các cơng ty chứng
khốn, các báo cáo tài chính của các cơng ty nghiên cứu, lãi suất trái phiếu Chính phủ, chỉ số Vnidex,…
Từ những dữ liệu thu thập được, tác giả thiết lập danh mục đầu tư chứng
khoán theo hai nhân tố là quy mô và giá trị. Nhân tố quy mơ dựa vào giá trị vốn hóa thị trường của cơng ty được lấy từ báo cáo tài chính. Dựa vào quy mơ cơng ty các chứng khốn được chia thành hai nhóm quy mơ nhỏ và quy mơ lớn. Nhân tố giá trị
được xác định bằng tỷ lệ giá trị sổ sách trên giá trị thị trường (BE/ME) của chứng
khốn đó. Theo đó, tỷ số này sẽ chia làm ba nhóm theo thứ tự từ thấp đến cao. Như vậy ta đã có 6 nhóm theo hai tiêu chuẩn là quy mô và BE/ME.
Cuối cùng ta tính tốn nhân tố SMB và HML, với SMB là chênh lệch tỷ suất sinh lợi hằng tháng giữa danh mục cơng ty có quy mơ nhỏ và quy mô lớn. Và HML là chênh lệch tỷ suất sinh lợi danh mục có BE/ME cao và danh mục có tỷ lệ BE/ME thấp.
Khi có tất cả dữ liệu đầu vào ta sẽ áp dụng phương trình hồi quy để kiểm
định tính hiệu quả của mơ hình. Đồng thời kiểm tra sự thay đổi giá trị R2 hiệu chỉnh của mơ hình hồi quy. Bước này sẽ được thực hiện trong chương tiếp theo.
42
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU