Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả bảng 4.5 mô tả lại những đặc điểm cơ bản của chuỗi dữ liệu nghiên cứu thơng qua các giá trị: giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung vị, độ lệch chuẩn, tính đối xứng của dữ liệu nghiên cứu qua đó cung cấp
việc nghiên cứu tiếp theo trong phần phân tích ma trận tương quan và phân tích dữ liệu nghiên cứu.
Bảng 4.6: Ma trận tương quan các biến nghiên cứu ở sàn HNX
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Ma trận tương quan cho thấy có mối tương quan nghịch chiều giữa TOVER, TV và MG, và có tương quan âm với MS ở mức ý nghĩa 1% đúng với kỳ vọng về
dấu ban đầu của đề tài. Ở một khía cạnh khác, lại có một mối quan hệ ngược với kỳ vọng ban đầu của đề tài giữa D, S với MG và MS. Tuy nhiên, các mối quan
hệ chỉ được xem xét trong điều kiện từng cặp biến và các yếu tố khác là khơng thay đổi. Bên cạnh đó, ma trận tương quan cũng cho thấy hệ số tương quan của từng cặp biến là khơng lớn hơn 0.8 do đó theo quy tắc kinh nghiệm thì khơng có hiện tượng đa cộng tuyến.
Kết quả hồi quy mơ hình nghiên cứu cho khảo sát mối quan hệ giữa chính sách tiền tệ và tính thanh khoản của từng chứng khoán riêng lẻ ở Sàn HNX
Bảng 4.7: Ước lượng hồi quy bảng cho sàn giao dịch chứng khoán HNX với
biến đo lường CSTT là tốc độ tăng trưởng cung tiền M0 (MG)
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả các kiểm định mơ hình cho thấy mơ hình khơng có hiện tượng tự tương quan bậc 1 (hệ số Durbin-Watson) và hiện tượng phương sai thay đổi (thông qua kiểm định Unit root test của phần dư) (Chi tiết xem thêm phụ lục 4)
Tại Sàn giao dịch chứng khoán Hà Nội (HNX), các hệ số hồi quy cho ra một kết quả ngược lại với kỳ vọng nghiên cứu ban đầu, với một chính sách tiền tệ mở rộng (gia tăng cung tiền M0) lại làm giảm trong hệ số luân chuyển TOVER, khối lượng giao dịch TV và tăng lên trong độ sâu thị trường chứng khoán D và độ
nhạy cảm của giá ở mức ý nghĩa 5%, các kết quả này đi ngược lại với kỳ vọng nghiên cứu ban đầu của đề tài. Điều này có thể được lý giải trong giai đoạn
nghiên cứu của đề tài thì chính sách tiền tệ được mở rộng là để kích cầu nền kinh tế và dịng tiền khơng chọn thị trường chứng khoán làm kênh đầu tư sinh lợi do
trong giai đoạn hậu khủng hoảng tài chính thì đầu tư chứng khoán được xem là
rủi ro.
Như vậy kết quả hồi quy bảng (Panel estimations) trên sàn HNX cho thấy nhiều bằng chứng hỗn hợp, do đó ta chưa thể rút ra kết luận chắc chắn về tác động của CSTT (được đo lường bằng tốc độ tăng trưởng cung tiền M0 so với cùng kỳ
tháng trước) lên tính thanh khoản của từng chứng khốn riêng lẽ. Kết quả nghiên cứu này cũng phần nào có những nét tương đồng với Sàn HOSE hay nói cách khác chính sách tiền tệ - đại diện là tốc độ tăng trưởng cung tiền M0- không là
một dự báo tốt nhất cho tính thanh khoản của thị trường chứng khoán Việt Nam. Bảng 4.8: Ước lượng hồi quy bảng dữ liệu bảng cho sàn HNX với biến đo lường CSTT là chênh lệch lãi suất thực tế và lãi suất mục tiêu (MS)
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả các kiểm định mơ hình cho thấy mơ hình khơng có hiện tượng tự tương quan bậc 1 (hệ số Durbin-Watson) và hiện tượng phương sai thay đổi (thông qua kiểm định Unit root test của phần dư) (Chi tiết xem thêm phụ lục 4)
Kết quả cho thấy khơng có ý nghĩa thống kê trong các hệ số hồi quy, ngoại trừ trường hợp hồi quy với tính thanh khoản đại diện là sự chênh lệch giá mua và giá bán (S) và mối tương quan là dương đúng với kỳ vọng nghiên cứu của đề tài tức
là khi có một chính sách thắt chặt tiền tệ sẽ làm cho tính thanh khoản của thị trường giảm, điều này cho thấy cũng có một mối tương đồng giữa Sàn HNX và Sàn HOSE.
Do đó, có thể nói rằng chính sách tiền tệ tại thị trường Việt Nam dường như
chưa là một công cụ tốt trong việc dự báo xu hướng biến động của tính thanh
khoản của thị trường chứng khoán (mức dự báo yếu).
Một số nhận xét chung cho tác động của các biến kiểm sốt lên tính thanh khoản của các chứng khốn riêng lẻ ở sàn HNX:
Biến tỷ suất sinh lợi hàng tháng RET: Kết quả cho thấy đều cho thấy mối
tương quan dương giữa biến này với 3 thước đo tính thanh khoản (TOVER,
TV, D). Ngồi ra, hệ số của biến RET trong hàm hồi quy có biến phụ thuộc là
Độ nhạy cảm của giá PS và chênh lệch giá mua/bán (S) (là 2 biến đo lường
tính kém thanh khoản) đều là số âm càng củng cổ mạnh mẽ giả thiết rằng: Tỷ suất sinh lợi tăng lên sẽ làm tăng tính thanh khoản của các chứng khoán.
Tác động của độ lệch chuẩn của các chứng khốn đến tính thanh khoản của
các chứng khoán trên sàn HNX cũng giống với sàn HOSE, góp phần khẳng
định cho tính đồng nhất trong phản ứng của tính thanh khoản của thị trường
chứng khoán Việt Nam trước tác động của độ lệch chuẩn chứng khoán.
Về mối quan hệ giữa quy mô của cơng ty và tính thanh khoản của chứng khoán, trên sàn HNX cung cấp một bằng chứng rõ ràng hơn so với sàn HOSE, kết quả cho thấy quy mơ càng lớn thì tính thanh khoản của chứng khoán càng lớn.
Chỉ số sản lượng công nghiệp cho thấy có mối tương quan nghịch với tính
thanh khoản của thị trường (phương trình biến TOVER, TV và S), điều này
phần nào cho thấy khi sản lượng công nghiệp tăng- nền kinh tế năng động
hơn- cơng ty làm ăn có lãi, các nhà đầu tư lại dùng cách nắm giữ để nhận cổ
Với những gì tìm thấy được từ kết quả nghiên cứu cho thấy ở Sàn HNX thì
dường như ngược lại với kết quả tìm thấy ở Sàn HOSE. Khi lạm phát càng
tăng thì tính thanh khoản càng tăng. Điều này ngược lại với những gì tìm thấy trong nghiên cứu của Goyenko và Ukhov (2009).
Cuối cùng chỉ số HNX giúp dự đốn được tính thanh khoản của thị trường tức
là trong thị trường giá lên thì tính thanh khoản của thị trường sẽ tăng.
4.2. Phân tích dữ liệu cấp độ vĩ mơ
4.2.1.Tính thanh khoản của thị trường chứng khoán (đại diện là Sàn HOSE) và chính sách tiền tệ của Ngân hàng Trung ương và chính sách tiền tệ của Ngân hàng Trung ương
Bảng 4.9: Kiểm định tính dừng của các biến nghiên cứu ở Sàn HOSE
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả kiểm định cho thấy các biến đều dừng ở chuỗi gốc ở mức ý nghĩa 5%
(Kết quả chi tiết xem thêm phụ lục 5). Đây là cơ sở nền tảng để đề tài tiến hành
ước lượng mơ hình VAR. Kế tiếp đề tài tiến hành chọn độ trễ tối ưu cho mơ hình
VAR bằng kiểm định Lag length Criteria, kết quả cho thấy ở tất cả các trường
hợp (10 trường hợp – 10 phương trình VAR) độ trễ tối ưu cho mơ hình là độ trễ 2 (Kết quả xem thêm phụ lục 6).
Sau khi đã lựa chọn được độ trễ tối ưu cho mơ hình đề tài tiến hành thực hiện
kiểm định nhân quả Granger cho mơ hình. Kết quả kiểm định nhân quả Granger
cho chính sách tiền tệ và tính thanh khoản của thị trường chứng khoán mà đại
diện là Sàn HOSE (Kết quả chi tiết xem thêm phụ lục 7).
Bảng 4.10: CSTT tác động đến tính thanh khoản thị trường chứng khoán sàn
HOSE
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Bảng 4.11: Tính thanh khoản thị trường chứng khoán (HOSE) tác động đến
CSTT
Nguồn: Kết quà phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả kiểm định nhân quả Granger cho thấy có bằng chứng rằng chính sách
tiền tệ có tác động đến tính thanh khoản của thị trường chứng khoán (HOSE)
(bảng 4.10), tuy nhiên đề tài khơng tìm thấy mối quan hệ ngược lại tức là tính
thanh khoản của thị trường chứng khốn tác động đến chính sách tiền tệ (bảng
4.11).
Tóm lại, xét về tổng thể thì vẫn có ít bằng chứng mặc dù yếu cho rằng chính sách tiền tệ có tác động đến tính thanh khoản của thị trường chứng khoán mà đại diện là Sàn HOSE.
Để tiếp tục đề tài sẽ tiến hành phân tích hàm phản ứng đẩy (IRF) và phân rả
phương sai để xem xét thêm thực sự chính sách tiền tệ có tác động đến tính
bảo tính chính xác và đáng tin cậy của mơ hình VAR đề tài tiến hành kiểm tra tính ổn định của mơ hình bằng kiểm định AR Roots Gragh.
Hình 4.1 Kiểm tra tính ổn định của mơ hình của dữ liệu sàn HOSE
Mơ hình MG – D Mơ hình MG – P Mơ hình MG – S Mơ hình MG – TOVER
Mơ hình MG – TV Mơ hình MS – D Mơ hình MS – PS Mơ hình MS – S
Mơ hình MS – TOVER Mơ hình MS – TV
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả kiểm định cho thấy ở tất cả các trường hợp với độ trễ tối ưu được chọn
Hình 4.2 Kết quả cú sốc chính sách tiền tệ (MG) lên tính thanh khoản của thị trường chứng khốn (HOSE)
Chính sách tiền tệ với đại diện là tăng trưởng cung tiền M0 thì kết quả hàm phản ứng đẩy IRF (Hình 4.2) cho thấy với một chính sách tiền tệ mở rộng làm cho tính thanh khoản của thị trường chứng khốn tăng, theo đó với cú sốc
tăng 1 độ lệch chuẩn trong chính sách tiền tệ làm cho hệ số luân chuyển tăng liên tục trong 2 tháng và sau đó giảm dần và đi vào ổn định, tương tự biến độ sâu
chứng khoán cũng tăng liên tục khi chịu tác động tăng của một cú sốc chính sách tiền tệ liên tục trong 4 tháng sau đó giảm dần và đi vào ổn định, điều này là đúng với kỳ vọng ban đầu của đề tài chỉ có biến TV là giảm trong kỳ đầu tiên sau đó tăng dần và đi vào ổn định khi chịu tác động của một cú sốc chính sách tiền tệ
mở rộng.
Ở một khía cạnh khác, cho thấy độ nhạy cảm chứng khoán biến động tăng liên
tục trong 5 tháng trước cú sốc chính sách tiền tệ mở rộng sau đó giảm dần và đi vào ổn định, điều này là ngược lại với kỳ vọng ban đầu của đề tài tuy nhiên lại
khơng có ý nghĩa thống kê kết quả cùng chiều này là đồng nhất với ước lượng
ban đầu bằng mơ hình hồi quy đa biến với dữ liệu bảng (điều này có thể lý giải là do đặc thù trong giai đoạn nghiên cứu- giai đoạn hậu khủng hoảng tài chính và
thị trường chứng khốn chứa đựng nhiều rủi ro hơn so với các kênh đầu tư khác). Biến S lại khơng có ý nghĩa thống kê trong biến động trước tác động của cú sốc chính sách tiền tệ (Kết quả xem thêm phụ lục 8)
Hình 4.3 Kết quả cú sốc chính sách tiền tệ (MS) lên tính thanh khoản của thị trường chứng khốn (HOSE)
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eviews 8.0
Kết quả từ hình 4.3 cho thấy với chính sách tiền tệ mà đại diện là chênh lệch lãi suất thực tế và lãi suất mục tiêu cho thấy khi có một cú sốc tăng 1 độ lệch chuẩn trong chênh lệch này – tức là chính sách tiền tệ thắt chặt thì sự biến động của các biến đại diện cho tính thanh khoản biến động rất ít và khơng có ý nghĩa thống kê ngoại trừ biến S là có một sự gia tăng liên tục trong 5 kỳ sau đó đi vào ổn định, đúng với kỳ vọng nghiên cứu ban đầu của đề tài (Kết quả xem thêm phụ lục 8)
Để cung cấp một bằng chứng rõ hơn đề tài tiến hành thực hiện phân rã
phương sai cho sự biến động của các biến đại diện tính thanh khoản trước tác động của cú sốc chính sách tiền tệ. Kết quả bảng 4.12 lại một lần nữa cho thấy
rằng mức độ giải thích của các biến đại diện cho chính sách tiền tệ trong sự biến
động của tính thanh khoản thị trường là rất ít (Kết quả chi tiết xem thêm phụ lục
9)
Bảng 4.12: Phân rã phương sai của các biến đại diện tính thanh khoản thị trường HOSE. Biến D Biến D Kỳ IP IR MG STDV RET D01 Kỳ IP IR MS STDV RET D01 1 5.69 0.17 0.75 4.02 16.26 73.10 1 12.41 0.03 3.61 4.85 20.61 58.50 5 9.70 7.11 11.38 9.57 25.76 36.48 5 19.24 8.09 4.56 7.17 30.22 30.73 10 9.98 10.96 15.02 8.94 22.49 32.60 10 19.09 9.77 10.27 6.86 26.27 27.74 15 9.93 11.92 15.00 8.80 22.21 32.14 15 18.85 10.58 10.31 6.81 26.09 27.35 20 10.03 12.19 14.92 8.75 22.11 32.00 20 18.89 10.64 10.31 6.81 26.05 27.31 Biến PS Biến PS Kỳ IP IR MG STDV RET D01 Kỳ IP IR MS STDV RET D01 1 0.70 5.16 0.78 0.77 0.00 92.58 1 0.62 9.38 3.27 2.00 0.01 84.71 5 1.39 15.98 18.58 1.90 8.75 53.40 5 1.87 15.63 2.77 1.73 7.91 70.09 10 3.26 17.41 18.43 2.76 8.27 49.87 10 3.85 16.10 4.15 2.28 7.60 66.02 15 3.98 19.08 17.90 2.67 8.03 48.34 15 4.24 16.83 4.15 2.30 7.50 64.99 20 3.97 20.97 17.60 2.60 7.88 46.98 20 4.24 17.99 4.12 2.26 7.43 63.96 Biến S Biến S Kỳ IP IR MG STDV RET D01 Kỳ IP IR MS STDV RET D01 1 7.21 12.13 1.09 6.68 12.18 60.71 1 18.07 18.46 0.71 3.70 13.41 45.65 5 8.16 10.25 0.98 12.80 9.05 58.76 5 25.38 16.59 11.45 6.66 11.85 28.06 10 11.89 10.07 0.92 12.86 6.85 57.41 10 22.83 13.95 31.12 4.32 7.29 20.48 15 12.08 13.86 0.82 12.10 6.29 54.84 15 21.10 15.67 34.87 3.35 6.37 18.63 20 11.56 16.64 0.89 11.65 6.14 53.12 20 20.10 15.36 38.32 2.88 5.77 17.57
Biến Tover Biến Tover
Kỳ IP IR MG STDV RET D01 Kỳ IP IR MS STDV RET D01 1 0.57 0.14 4.66 0.27 1.46 92.90 1 0.85 0.70 0.65 0.20 0.47 97.13 5 1.76 5.58 7.76 2.24 10.80 71.87 5 3.33 6.01 2.56 1.25 10.29 76.57 10 2.42 6.12 7.80 2.25 10.69 70.72 10 3.97 6.20 4.07 1.67 10.01 74.08 15 2.64 6.84 7.75 2.23 10.59 69.94 15 4.09 6.75 4.09 1.67 9.94 73.46 20 2.66 7.55 7.78 2.22 10.53 69.27 20 4.12 7.32 4.07 1.66 9.89 72.93 Biến TV Biến TV Kỳ IP IR MG STDV RET D01 Kỳ IP IR MS STDV RET D01 1 10.43 3.73 1.04 3.96 23.42 57.42 1 15.51 4.10 2.38 5.28 21.57 51.17 5 8.43 16.71 4.01 3.51 38.78 28.56 5 17.18 15.55 1.67 4.59 38.51 22.50 10 7.80 22.14 4.35 3.73 35.49 26.48 10 15.68 19.53 4.03 5.52 34.69 20.55 15 8.37 22.41 4.46 3.68 34.77 26.31 15 16.33 19.74 3.96 5.47 34.01 20.49 20 8.53 22.90 4.43 3.64 34.45 26.06 20 16.40 20.28 3.92 5.41 33.70 20.28 Cú sốc Cú sốc Cú sốc Cú sốc Cú sốc Cú sốc Cú sốc Cú sốc Cú sốc Cú sốc
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eivews 8.0
Tóm lại, với những gì tìm được lại với chuỗi dữ liệu tại Sàn HOSE một lần nữa khẳng định rằng việc dùng các thay đổi trong chính sách tiền tệ ở Việt Nam để dự báo cho tính thanh khoản của Sàn HOSE là ít khả thi, bởi lẽ kết quả thực
nghiệm cho thấy có bằng nhưng khá yếu. Điều này lại một lần nữa khẳng định cho hành vi trên thị trường chứng khoán Việt Nam là hành vi số đông – “tâm lý bầy đàn” đã có rất nhiều nghiên cứu về lĩnh vực này và đã chứng minh là có tại thị trường Việt Nam.
4.2.2.Tính thanh khoản của thị trường chứng khốn (đại diện là Sàn HNX) và chính sách tiền tệ của Ngân hàng Trung ương và chính sách tiền tệ của Ngân hàng Trung ương
Bảng 4.13: Kiểm định tính dừng cho các biến ở sàn HNX
Nguồn: Kết quả phân tích dữ liệu từ phần mềm Eveiws 8.0
Kết quả kiểm định tính dừng cho thấy các biến đều dừng ở chuỗi gốc ngoại trừ biến PS và S là dừng ở sai phân bậc 1 (Kết quả chi tiết xem thêm phụ lục 10).