Thước đo tính thanh khoản
Kỳ vọng về dấu Tốc độ tăng cung tiền
(MG) Chệnh lệch lãi suất (MS) TOVER + - TV + - D + - PS - + S - +
Đề tài kỳ vọng rằng tăng trưởng cung tiền M0 sẽ có tác động tích cực (dương) đến hệ số luân chuyển TOVER, khối lượng giao dịch TV và độ sâu thị trường D
vì đề tài đã đưa ra giả thiết rằng Chính sách mở rộng tiền tệ (ví dụ tăng trưởng
cung tiền M0 cao hơn) sẽ làm cho tính thanh khoản của thị trường chứng khốn cao hơn. Ngồi ra, đề tài cũng kỳ vọng rằng tăng trưởng cung tiền M0 có tác
động ngược chiều (âm) đến 2 thước đo tính kém thanh khoản cịn lại đó là Chênh
lệch giá mua/bán S và độ nhạy cảm giá PS vì các biến này giảm xuống sẽ làm cho tính thanh khoản của thị trường chứng khốn tăng lên. Chênh lệch của Lãi suất chính sách thực tế và lãi suất chính sách mục tiêu của Ngân hàng trung ương
được kỳ vọng sẽ có những dấu hiệu đối ngược lại so với biến tăng trưởng cung
tiền M0. Đề tài đưa ra giả thiết có những dấu hiệu đảo ngược là vì CSTT nới lỏng
được giả định có tác động dương lên tính thanh khoản của chứng khoán. Những
kỳ vọng này đề tài giả thiết rằng nó sẽ giống nhau ở cả hai sàn giao dịch HOSE và HNX.
3.3. Phương pháp ước lượng mơ hình
Để đáp ứng mục tiêu nghiên cứu của mình cũng như trả lời cho các câu
hỏi nghiên cứu của mình đề tài sẽ tiến hành ước lượng mơ hình hồi quy đa biến với dữ liệu bảng và mơ hình VAR theo các trình tự sau:
Thống kê mô tả
Thống kê mô tả được sử dụng nhằm mơ tả lại những đặc tính của dữ liệu nghiên cứu và đưa ra những nhận định ban đầu về chuỗi dữ liệu nghiên cứu, cụ thể đề
tài sẽ mô tả lại dữ liệu dựa trên các tiêu chí: giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất, sai số số chuẩn, trung vị.
Phân tích tương quan
Phân tích tương quan được đề tài sử dụng nhằm xem xét mối quan hệ giữa các
biến độc lập và biến phụ thuộc. Hệ số tương quan (Pearson) được đưa ra đầu tiên bởi Francis và Galton theo đó hệ số tương quan được tính bằng cách chia hiệp
phương sai của biến với tích độ lệch chuẩn của chúng. Đề tài xây dựng ma trận
hệ số tương quan kèm theo mức ý nghĩa nhằm đánh giá bước đầu về mối tương
quan giữa các biến.
Ngoài ra, trong trường hợp các biến độc lập có mối tương quan cao (lớn hơn
0.8), đây có thể là dấu hiệu của hiện tượng đa công tuyến là cơ sở để đề tài thực hiện các kiểm định cần thiết và hiệu chỉnh mơ hình nghiên cứu.
Phương pháp kiểm định các hệ số hồi quy và sự phù hợp của mơ hình
Trong phần này đề tài sẽ sử dụng kiểm định t (t-test) để kiểm tra sự phù hợp của các hệ số hồi quy. Các mức ý nghĩa thường được sử dụng trong thống kê là 1%, 5%, 10% hay nói khác hơn là độ tin cậy 99%, 95%, 90%. Đối với nghiên cứu
này đề tài chọn mức ý nghĩa 5% để đánh giá mức độ phù hợp của các hệ số hồi quy, tức biến độc lập chỉ được xem là tác động đến biến phụ thuộc khi mà hệ số hồi quy có giá trị P-value nhỏ hơn 5%. Tuy nhiên, trong một số trường hợp hệ số hồi quy có P-value lớn hơn 5% nhưng nhỏ hơn 10% cũng được đề tài lưu ý trong nghiên cứu của mình.
Để kiểm tra sự phù hợp của mơ hình đề tài sử dụng kiểm định F với các giả thiết
H0 là R2 = 0. Mức ý nghĩa đề tài chọn là 5% theo đó giá trị P-value nhỏ hơn 5% thì bác bỏ giả thiết H0 nên mơ hình là phù hợp.
Ngồi ra, sau khi mơ hình được ước lượng là phù hợp đề tài cũng thực hiện các kiểm định đi kèm khác nhằm kiểm tra các khuyết tật của mơ hình. Theo đó, đề
tài thực hiện kiểm định phương sai thay đổi và kiểm định tự tương quan, bởi lẽ
nếu mơ hình có phương sai thay đổi hoặc tự tương quan hoặc cả hai thì các kiểm
định về hệ số hồi quy của mơ hình là khơng đáng tin cậy, ước lượng của mơ hình
là ước lượng không hiệu quả và R2 là không đúng bản chất của nó. Nếu mơ hình có phương sai thay đổi hoặc có tự tương quan hoặc có cả hai khuyết tật này thì
đề tài tiến hành khắc phục mơ hình nghiên cứu bằng cách ước lượng lại mơ hình
Mơ hình VAR
Kiểm định tính dừng
Trong nghiên cứu thực nghiệm khi sử dụng dữ liệu là chuỗi thời gian và đặc biệt là sử dụng mơ hình VAR thì tất cả các biến trong mơ hình phải dừng (Stationary). Một chuỗi dữ liệu thời gian được xem là dừng nếu trung bình và phương sai
không thay đổi theo thời gian và hiệp phương sai giữa hai thời điểm chỉ phụ
thuộc vào khoảng cách hay độ trễ về thời gian chứ không phụ thuộc vào thời điểm đang xét. Cụ thể:
Trung bình : E Y( )t =µ=const
Phương sai : ( ) 2
t
Var Y =σ =const
Hiệp phương sai : Covar(Y Yt, t k− )=gk
Tính dừng là một khái niệm vô cùng quan trọng. Trong hầu hết các mơ hình thống kê đều yêu cầu chuỗi dữ liệu phải là chuỗi dừng. Do vậy khi ước lượng
các tham số hoặc kiểm định giả thuyết của mơ hình, nếu khơng kiểm định tính dừng của dữ liệu thì các kỹ thuật phân tích thơng thường chẳng hạn phương pháp bình phương bé nhất (OLS) sẽ khơng chính xác và hợp lý. Theo Granger và Newbold (1977) các kết quả phân tích từ chuỗi dữ liệu khơng dừng đều là giả mạo. Cụ thể nếu mơ hình tồn tại ít nhất một biến độc lập có cùng xu thế với biến phụ thuộc, khi đó kết quả ước lượng mơ hình ta có thể thu được các hệ số có ý
nghĩa thống kê và hệ số R2 rất cao. Nhưng điều này được tạo ra bởi tính xu thế của hai biến chứ chúng khơng có mối tương quan chặt chẽ với nhau.
Để kiểm tra tình dừng trong bài đề tài sẽ sử dụng kiểm định Augmented Dickey
Fuller (ADF), một trong những công cụ phổ biến trong kiểm định tính dừng của chuỗi thời gian theo Gujarati (2003). Theo đó các độ trễ thời gian sẽ được lựa
chọn theo tiêu chuẩn SIC (Schwarz Info Criterion). Nếu chuỗi dữ liệu không dừng đề tài sẽ sử dụng kỹ thuật lấy sai phân để đưa chuỗi dữ liệu về dạng dừng.
Xác định độ trễ:
Do tất cả các biến trong mơ hình VAR đều là biến nội sinh, biến nghiên cứu phụ thuộc vào độ trễ của nó. Do đó có quá nhiều tham số phải ước lượng (2n2-n hệ số) nên việc thực hiện kiểm định để lựa chọn độ trễ tối đa và độ trễ cần loại bỏ
trong mơ hình VAR là quan trọng. Để lựa chọn độ trễ tối đa cho mơ hình đề tài sử dụng kiểm định Lag length criteria.
Kiểm định nhân quả Granger
Trong phần này đề tài sẽ thực hiện kiểm định nhân quả Granger nhằm xem xét
với độ trễ được lựa chọn thì các biến trong mơ hình có quan hệ nhân quả với nhau về mặt thống kê khơng. Mơ hình kiểm định Granger chỉ đơn giản được dùng để
trả lời cho câu hỏi có hay khơng sự thay đổi của biến X gây ra sự thay đổi của
biến Y và ngược lại. Phương trình hồi quy trong kiểm định Granger mơ tả như
sau:
Ta có các trường hợp sau:
Nếu khác khơng và có ý nghĩa thống kê, nhưng khơng có ý nghĩa thống kê thì sự biến động của biến X là nguyên nhân gây ra sự biến động của biến Y. Nếu khơng có ý nghĩa thống kê, nhưng khác khơng và có ý nghĩa thống kê thì biến X chịu sự tác động bởi sự thay đổi của biến Y.
Nếu và đều có ý nghĩa thống kê thì X và Y tác động qua lại lẫn nhau. Nếu và đều khơng có ý nghĩa thống kê thì X và Y độc lập với nhau.
Trong đề tài thì biến Y là cán cân thương mại chia cho GDP, và X đại diện cho các biến cịn lại trong mơ hình.
Kiểm tra tính ổn định của mơ hình
Việc tra tính ổn định của mơ hình nhằm xem xét mơ hình hiện tại có ổn định
khơng. Nếu mơ hình là khơng ổn định thì kết quả của việc ước lượng đặc biệt là kết quả thu được (sai số chuẩn) của hàm phản ứng thúc đẩy IRF sẽ khơng có giá trị. Để kiểm tra tính ổn định của mơ hình VAR đề tài sử dụng kiểm định AR
Roots Graph, theo đó nếu tất cả các nghiệm đều có modulus<1 và khơng có
nghiệm nào nằm ngồi vịng trịn nghiệm đơn vị thì mơ hình được xem như là ổn
định, ngược lại nếu có một dấu chấm nằm ngồi vịng trịn nghiệm đơn vị thì
xem như là mơ hình khơng ổn định.
Hàm phản ứng đẩy (Impulse response funtion-IRF) và kỹ thuật phân rã phương sai
Hàm phản ứng thúc đẩy (IRF):
Hàm phản ứng thúc đẩy là một chức năng quan trọng phát sinh từ mơ hình VAR. Nó cho phép xác định hiệu ứng theo thời gian của cú sốc của một biến nội sinh
nào đó đối với các biến khác trong mơ hình. (Xem thêm phụ lục 1).
Phân rã phương sai
Mặc dù hàm phản ứng thúc đẩy đã cho biết có hay khơng sự ảnh hưởng của
cú sốc đến các biến còn lại nhưng như thế là chưa đủ vì có thể tác động truyền
dẫn của một cú sốc từ một biến đến biến còn lại rất nhỏ trong khi biến khác lại
ảnh hưởng lớn hơn. Nên trong phân tích các nhà kinh tế sử dụng kèm theo kỹ
thuật phân rã phương sai (Xem thêm phụ lục 2) để xác định xem mức độ ảnh
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ MƠ HÌNH 4.1. Phân tích dữ liệu cấp độ vi mơ
4.1.1. Tác động của chính sách tiền tệ lên tính thanh khoản của các chứng khốn riêng lẻ của Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh khốn riêng lẻ của Sàn giao dịch chứng khoán Thành phố Hồ Chí Minh (HOSE)
Thống kê mơ tả các biến nghiên cứu