Trong chương này trình bày về dữ liệu nghiên cứu, phương pháp nghiên cứu và mơ hình sử dụng trong nghiên cứu.
3.1. Phương pháp nghiên cứu
3.1.1. Mơ hình hiệu ứng ngày trong tuần
Luận văn sử dụng phương trình hồi quy theo các nghiên cứu của French (1980), Gibbons và Hess (1981), Ogunc và cộng sự (2009), Lim và cộng sự (2010) và Ariss và cộng sự (2011) để kiểm định hiệu ứng ngày trong tuần:
Rit = α1iD2i + α2iD3i + α3iD4i + α4iD5i + α4iD6i + εt (1)
Trong đó, Rit là tỷ suất sinh lợi hàng ngày của chỉ số chứng khoán i ngày t. D2i đến D6i là các biến giả cho năm ngày giao dịch trong tuần từ thứ hai đến thứ 6; trong đó, nếu t là ngày thứ hai thì D2 = 1 và ngược lại bằng 0, tuơng tự cho các ngày khác trong tuần.
Hồi quy bình phương bé nhất (OLS) được sử sụng để ước lượng trong đó α2iD2i là hệ số chặn, các hệ số α2, α3, α4 và α5 đo lường sự khác biệt giữ tỷ suất sinh lợi
ngày thứ hai và bốn ngày còn lại trong tuần làm việc và εt là sai số ngẫu nhiên. Hiệu ứng ngày thứ hai theo truyền thống được kỳ vọng là có hệ số ước lượng âm hoặc thấp hơn các ngày còn lại trong tuần và có ý nghĩa thống kê (Ariss và cộng sự, 2011).
Hệ số hồi quy của các biến giả dùng trị thống kê t để kiểm tra ý nghĩa thống kê. Hiệu ứng ngày trong tuần trên thị trường chứng khốn có khác nhau hay khơng dùng kiểm định Wald (F-statistic) với giả thuyết Ho: α2 = α3 = α4 = α5. Nếu giả thuyết Ho bị bác bỏ có nghĩa các hệ số hồi quy ước lượng có ý nghĩa khác nhau tức là có ít nhất một hệ số hồi quy khơng bằng (Tsangarakis, 2007). Trị thống kê JB của Jarque-Berra dùng kiểm tra giả thuyết phân phối chuẩn. Kiểm định Durbin-Watson
và kiểm định Lagrange Multiplier (LM) kiểm tra giả thuyết tự tương quan, kiểm định White kiểm tra phương sai thay đổi.
Thông thường, số liệu thị trường chứng khốn có đặc trưng là biến động theo thời gian nên thường hay có hiện tượng phương sai thay đổi. Nếu sử dụng OLS trong trường hợp phương sai thay đổi thì các kết luận từ mơ hình có thể khơng đúng. Campbell và cộng sự (1997) cho rằng việc nhà đầu tư sẵn sàng đánh đổi giữa tỷ suất sinh lợi và rủi ro là phi tuyến, vì thế mơ hình phi tuyến sẽ phù hợp và Brooks (2008) đề nghị là các dãy số liệu của tài chính thì khơng chắc là phương sai sẽ không thay đổi. Đối với mơ hình hồi quy OLS thì có một số các khắc phục như phương pháp sai số chuẩn vững của Newey and West (1987) (Ogunc và cộng sự, 2009; Ariss và cộng sự 2011); mơ hình Tự hồi quy có điều kiện phương sai thay đổi (ARCH - Autoregressive Conditional Heteroskedasticity) do Engle (1982) phát triển. Sau đó, để khắc phục giả định khơng âm của phương sai (hay độ trễ lớn của phần dư ) trong mơ hình ARCH thì Bollerslev (1986) đã giới thiệu mơ hình GARCH - Generalized Autoregressive Conditional Heteroskedastics. Mơ hình GARCH có thể nhận diện và định lượng được những dao động với đuôi phân phối dài và dày (fat tail) và đặc tính dao động theo lớp (volatility clustering) thường xuất hiện trong chuỗi dữ liệu tài chính. Đặc tính dao động theo lớp xuất hiện khi sự thay đổi lớn trong giá cổ phiếu theo bởi tỷ suất sinh lợi lớn và sự thay đổi nhỏ trong giá cổ phiếu thì tỷ suất sinh lợi nhỏ, ngụ ý là xu hướng biến động ở hiện tại tương quan dương với mức độ biến động của giai đoạn trước đó.
Trong số mơ hình con của mơ hình GARCH (p,q) tổng quát thì Bollerslev (1986) cho rằng mơ hình GARCH đơn giản nhất là GARCH (1,1) có thể nắm bắt được đặc tính dao động theo lớp của chuỗi dữ liệu chứng khoán hiệu quả nhất và giá trị dự báo chính xác nhất; Bollerslev và cộng sự (1988) đưa ra phương pháp lựa chọn kích cỡ của p và q trong mơ hình GARCH, kết quả kiểm định cho thấy với sự kết hợp p=q=2 là độ trễ tối đa và kiểm định Log-likelihood cho rằng kết hợp tốt
thể nắm bắt biến động tỷ suất sinh lợi cổ phiếu tốt hơn các mơ hình biến động khác như trung bình trượt trọng số lũy thừa (Exponential Weighted Moving Average) hay ARCH; Bollerslev và cộng sự (1992, p.10) cho rằng mơ hình GARCH tổng qt có thể kết hợp p và q khác nhau nhưng p=q=1 là đủ cho hầu hết các chuỗi số liệu tài chính; Brooks (2008) thì mơ hình GARCH với sai phân lớn hơn hiếm khi được dùng để ước lượng trong các nghiên cứu trước về thị trường chứng khốn vì đối với mơ hình GARCH bậc cao kết quả ước lượng được xem là ít chính xác do chúng nắm giữ nhiều thang đo thời gian (time scales) phức tạp. Nghiên cứu của Tseng và Wang (2009) cũng cho thấy hiệu quả nhất trong việc lọc hiệu ứng dao động theo lớp của chuỗi dữ liệu tỷ suất sinh lợi chứng khốn, mơ hình GARCH(1,1) cho thấy mức độ của hiệu ứng này giảm có ý nghĩa thống kê. Ngồi ra cũng có khá nhiều các nghiên cứu thực nghiêm khác cho kết quả về độ hiệu quả của GARCH(1,1) (Brooks và Burke, 2003; Angelidis và Benos, 2004; Oh và Kim, 2007; Floros, 2008).
Trong nghiên cứu của Choudhry (2000), Berumen và Kimyaz (2001) và Kimyaz và Berumen (2003) thì phương sai có điều kiện đại diện cho rủi ro có thể ảnh hưởng đến tỷ suất sinh lợi thị trường cổ phiếu, xem xét các mơ hình khác nhau để nghiên cứu hiệu ứng ngày trong tuần ở cả tỷ suất sinh lợi và biến động; mơ hình được đề nghị là GARCH(1,1) với các biến giả ngày. Mơ hình GARCH(1,1) với các biến giả ngày được sử dụng để kiểm tra sự tồn tại của hiệu ứng ngày trong tuần dựa trên tỷ suất sinh lợi và sự biến động của thị trường khi ước lượng OLS có hiện tượng tự tương quan hoặc phương sai thay đổi. Phương trình cụ thể như sau:
hit = ω +γεt−12 + δhit-1 + β2iD3i + β3iD4i + β4iD5i + β4iD6i (2)
Ngồi ra, để kiểm định tính vững của mơ hình luận văn cũng tiến hành ước lượng mơ hình GARCH(p,q) khác nhau và sử dụng giá trị log-likelihood để lựa chọn mơ hình và để khẳng định mơ hình nào tốt nhất thì luận văn dùng thêm hệ số Theil, phương pháp bình phương sai số trung bình (MSE) và phương pháp sai số
tuyệt đối trung bình (MAE) mơ hình nào có giá trị sai số dự báo nhỏ hơn sẽ ưu việt hơn.
3.1.2. Mơ hình hiệu ứng tháng trong năm
Hiệu ứng tháng trong năm dùng phương trình sau để ước lượng theo Mehdian và cộng sự (2002), Ariss và cộng sự (2011):
Rit = α1iM1 + α2iM2 + α3iM3 + ... + α11iM11 + α12iM12 + εt (3)
Trong đó, Rit là tỷ suất sinh lợi hàng ngày của chỉ số chứng khoán vào ngày t của thị trường chứng khoán I và M1 tới M12 là các biến giả hàng tháng trong năm. Nếu M1=1 khi ngày giao dịch rơi vào tháng giêng và ngược lại bằng 0, tương tự cho các tháng khác trong năm.
Hồi quy bình phương bé nhất (OLS) được sử sụng để ước lượng trong đó α1iM1 là hệ số chặn, các hệ số αs còn lại đo lường sự khác biệt giữ tỷ suất sinh lợi tháng giêng và các tháng trong năm và εt là sai số ngẫu nhiên.
Hiệu ứng tháng giêng truyền thống (thay vì tháng bảy như các quốc gia vùng vịnh) kỳ vọng xảy ra ở thị trường chứng khoán i là hệ số α1i dương hoặc lớn hơn các hệ số ước lượng của các tháng cịn lại trong năm và có ý nghĩa thống kê (Ariss và cộng sự, 2011). Các kiểm định để kiểm tra mơ hình hồi quy có vi phạm giả thuyết OLS và mơ hình GARCH (1,1) cũng được sử dụng tương tự như phần mơ hình hiệu ứng ngày trong tuần. Phương trình GARCH (1,1) với biến giả tháng cụ thể:
hit = ω +δ hit-1 + γεt−12 + β2iM2 + β3iM3 + ... + β11iM11 + β12iM12 (4)
3.1.3. Mơ hình hiệu ứng ngày nghỉ
Hiệu ứng ngày nghỉ theo Ariel (1990), Chan và cộng sự (1996), Mills và cộng sự (2000), Ogunc và cộng sự (2009), Dodd và cộng sự (2011) đo lường như sau:
Trong đó, Rit là tỷ suất sinh lợi hàng ngày của chỉ số chứng khoán vào ngày t của thị trường chứng khốn i. Hpre: là biến giả có giá trị bằng 1 cho ngày trước ngày nghỉ, ngược lại bằng 0; hệ số α1i đo lường sự khác biệt ngày trước ngày nghỉ; hệ số chặn α0i đo lường tỷ suất sinh lợi của các ngày giao dịch còn lại; cuối cùng εt là sai số ngẫu nhiên. Hiệu ứng ngày nghỉ luận văn xác định là tỷ suất sinh lợi của ngày trước ngày nghỉ đến tỷ suất sinh lợi của ngày sau ngày nghỉ
Ngày nghỉ trên thị trường chứng khốn của các quốc gia Đơng Nam Á cụ thể như sau:
Tại Malaysia, Tết dương lịch (1/1), Tết nguyên đán của người gốc Hoa (tháng 2 hoặc 3), Năm mới của đạo hồi Awal Muharam/Maal Hijrah (thường tháng 1), Lễ hội Ánh sáng Deepavali (khoảng tháng 10 hoặc 11) của đạo Hindu, Ngày Had Raya Puasa hay Aidilfitri, Ngày sinh nhà tiên tri Mohamah của đạo hồi, Ngày Hari-Raya sau khi kết thúc tháng Ramadan, Ngày Vesak (tháng 4 hoặc 5), Lễ Giáng sinh (25/12), Ngày Quốc tế Lao Động (1/5), Ngày Malaysia (16/9), Ngày Độc lập (31/8)
Tại Singapore, Tết dương lịch (1/1), Tết nguyên đán của người gốc Hoa (tháng 2 hoặc 3), Năm mới của đạo hồi Awal Muharam/Maal Hijrah (thường trong tháng 1), Lễ hội Ánh sáng Deepavali (khoảng tháng 10 hoặc 11) của đạo Hindu, Ngày Had Raya Puasa hay Aidilfitri, Ngày sinh nhà tiên tri Mohamah của đạo hồi, Ngày Hari-Raya sau khi kết thúc tháng Ramadan, Ngày Vesak (tháng 4 hoặc 5), Lễ Giáng sinh (25/12), Good Friday, Ngày Quốc tế Lao Động (1/5), Ngày Độc lập (9/8).
Tại Việt Nam, Tết dương lịch (1/1), Tết nguyên đán của người gốc Hoa (tháng 2 hoặc 3), Ngày giỗ tổ Hùng Vương (10/3 âm khoảng tháng 4), Ngày Quốc tế Lao Động (1/5), Ngày Quốc Khánh (2/9), Ngày Thống nhất đất nước (30/4).
Tại Thái Lan, Tết dương lịch (1/1), Tết người Thái Songkran (13-15/4), Ngày Vesak (tháng 4 hoặc 5), Ngày Makha Buscha đạo Phật (tháng 2 hoặc 3), Ngày Quốc tế Lao Động (1/5), Chakri, Ngày Constitution, Ngày sinh nhật Vua và Hoàng hậu.
Tại Indonesia, Tết dương lịch (1/1), Tết nguyên đán của người gốc Hoa (tháng 2 hoặc 3), Năm mới của đạo hồi Awal Muharam/Maal Hijrah (thường tháng 1), Ngày Had Raya Puasa hay Aidilfitri, Ngày sinh nhà tiên tri Mohamah của đạo hồi, Ngày Hari-Raya sau khi kết thúc tháng Ramadan, Ngày Vesak (tháng 4 hoặc 5), Lễ Giáng sinh (25/12), Ngày Quốc tế Lao Động (1/5), Ngày Độc lập (17/8), Ngày
Tại Philippine, Tết dương lịch (1/1), Ngày Valor(9/4), Ngày Linh hồn và Quỷ (khoảng tháng 10), Ngày Ninoy Aquino (21/8), Ngày Hari-Raya sau khi kết thúc tháng Ramadan, Good Friday, Ngày trước Giáng sinh (24/12), Ngày Quốc tế Lao Động (1/5), Ngày Độc lập (12/6).
Để tìm hiệu ứng mùa vụ theo đặc điểm văn hóa/tơn giáo của các quốc gia vùng Vịnh thì Ariss và cộng sự (2011) đã chuyển từ dương lịch (lịch Gregorian) sang lịch âm (lịch Hijri) để kiểm định hiệu ứng tháng chay Ramadan của người Hồi giáo. Hay McGuinness và Harris (2011), Yuan và Gupta (2014) nghiên cứu hiệu ứng ngày nghỉ Tết âm lịch tại các nước ảnh hưởng bởi nền văn hóa Trung Quốc hay có lượng lớn dân số gốc Trung Quốc. Nhưng ở các quốc gia tại khu vực Đơng Nam Á có văn hóa khác nhau nên ngồi sử dụng lịch dương như các nước phương Tây thì các nước này cịn sử dụng các lịch theo văn hóa, truyền thống, tơn giáo rất khác nhau nên các ngày nghỉ của các nước này cũng khác nhau.
Vì vậy, đo lường hiệu ứng ngày nghỉ theo Chan và cộng sự (1996) thì phân biệt các loại ngày nghỉ ở mỗi quốc gia có văn hóa, tơn giáo khác nhau thành các ngày nghỉ văn hóa (Cultural holidays) và các ngày nghỉ nhà nước (State holidays). Trong đó, nhóm các ngày nghỉ văn hóa là các ngày nghỉ theo các tôn giáo như Phật giáo, Hindu, Hồi giáo, … và nhóm các ngày nghỉ nhà nước là các ngày nghỉ như ngày Quốc khánh, ngày Độc lập, ngày sinh nhật các vị vua, hoàng hậu. Luận văn liệt kê lại các ngày nghỉ nhà nước của từng nước cụ thể trong bảng 3.1, các ngày nghỉ văn hóa là những ngày nghỉ cịn lại. Phương trình hồi quy ước lượng như sau:
Trong đó, Rit là tỷ suất sinh lợi hàng ngày của chỉ số chứng khoán vào ngày t của thị trường chứng khoán i. Hculture là biến giả có giá trị bằng 1 cho ngày trước ngày nghỉ theo văn hóa, ngược lại bằng 0; Hstate là biến giả có giá trị bằng 1 cho ngày trước ngày nghỉ còn lại, ngược lại bằng 0.
Hệ số α1i, α2i đo lường sự khác biệt ngày trước ngày nghỉ văn hóa và các ngày nghỉ nhà nước; hệ số chặn α0i đo lường tỷ suất sinh lợi của các ngày giao dịch còn lại; cuối cùng εt là sai số ngẫu nhiên.
Các kiểm định để kiểm tra mơ hình hồi quy có vi phạm giả thuyết OLS và GARCH (1,1) cũng được sử dụng tương tự như phần mơ hình hiệu ứng ngày trong tuần và tháng. Phương trình GARCH (1,1) với biến giả tháng cụ thể:
hit = ω +δ hit-1 + γ𝜀𝑡−12 +β1iHstate + β2iHculture (7)
Bảng 3.1: Nhóm ngày nghỉ nhà nước (State holidays)
Malaysia Singapore Việt Nam
Tết dương lịch (1/1) Tết dương lịch (1/1) Tết dương lịch (1/1)
Ngày Quốc tế Lao Động (1/5) Ngày Quốc tế Lao Động (1/5) Ngày Quốc tế Lao Động (1/5) Ngày Độc lập (31/8) Ngày Độc lập (9/8) Ngày Quốc khánh (2/9)
Ngày Malaysia (16/9) Ngày Thống nhất đất nước (30/4)
Thái Lan Indonesia Philippine
Tết dương lịch (1/1) Tết dương lịch (1/1) Tết dương lịch (1/1)
Ngày Quốc tế Lao Động (1/5) Ngày Quốc tế Lao Động (1/5) Ngày Quốc tế Lao Động (1/5)
Chakri Ngày Độc lập (17/8) Ngày Độc lập (12/6)
Ngày sinh nhật Vua và Hoàng hậu Ngày Valor(9/4) Ngày Constitution
3.2. Dữ liệu nghiên cứu
Nghiên cứu xem xét yếu tố bất thường của thị trường chứng khốn các nước Đơng Nam Á và dữ liệu thu thập là giá đóng cửa của sáu thị trường chứng khốn đại diện cho sáu thị trường chứng khoán khu vực bao gồm: Malaysia, Singapore, Việt Nam, Thái Lan, Indonesia và Philipine. Thời gian nghiên cứu được lấy mốc từ ngày 1 tháng 3 năm 2002 đến ngày 30 tháng 9 năm 2015 (do thời điểm từ lúc bắt đầu giao dịch đến trước ngày 1 tháng 3 năm 2002 thị trường Việt Nam chỉ giao dịch ba ngày trong tuần, sau thời điểm này mới bắt đầu giao dịch năm ngày trong tuần, vì vậy dữ liệu được lấy từ mốc ngày 1 tháng 3 năm 2002 đến nay). Các chỉ số chứng khoán giao dịch bằng đồng tiền nội tệ của các quốc gia và toàn bộ dữ liệu được thu thập tại cùng một nguồn để dữ liệu được đồng bộ và từ nguồn đáng tin cậy đảm bảo cho việc ước lượng mơ hình trong nghiên cứu phản ánh đúng thực tế của thị trường trong khu vực, chi tiết các chỉ số ở bảng 3.2 và tất cả các dữ liệu sau khi thu thập được xử lý bằng Excel và Eviews 7.0.
Bảng 3.2: Tóm tắt thơng tin thu thập dữ liệu.
STT Quốc gia Chỉ số Số quan sát
1 Malaysia KLSER Index 3.354
2 Singapore FSSTI Index 3.411
3 Việt Nam VN Index 3.376
4 Thái Lan SET Index 3.321
5 Indonesia JCI Index 3.307
6 Philipine PASHR Index 3.327
*Nguồn số liệu tác giả thu thập từ website: http://www.bloomberg.com/
Dữ liệu thu thập trong bài nghiên cứu là dữ liệu chuỗi thời gian, việc sử dụng chuỗi thời gian là phổ biến trong các nghiên cứu tài chính nhưng trước khi sử dụng cần phải xem các chuỗi thời gian này có tính dừng hay khơng để lựa chọn phương pháp phân tích cho phù hợp. Trong bài sử dụng kiểm định nghiệm đơn vị Dickey – Fuller (DF) để kiểm tra tính dừng của các chuỗi dữ liệu.
Tỷ suất sinh lợi hàng ngày của mỗi chỉ số được tính tốn bằng phương trình sau:
Rit= ln(Iit/Iit-1)*100 (1) Trong đó:
Rit là tỷ suất sinh lợi của chỉ số thị trường i ngày t.
CHƯƠNG 4:
NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
Chương 4 trình bày các kết quả nghiên cứu chính của đề tài, các kiểm định tính ổn định của mơ hình.
4.1. Thống kê mô tả
Bảng 4.1 thống kê mô tả các biến, thời gian nghiên cứu là giống nhau nhưng do các ngày giao dịch, các ngày nghỉ ở các thị trường là khác nhau nên cỡ mẫu khác nhau. Trung bình tỷ suất sinh lợi hàng ngày của các thị trường đều dương, cao nhất là chỉ số của thị trường chứng khoán Indonesia và thấp nhất là của Singapore. Mức độ biến thiên của tỷ suất sinh lợi hàng ngày cao nhất là thị trường Việt Nam và thấp nhất là thị trường Malaysia. Độ lệch Skewness của các chỉ số lệch trái, xấp xỉ bằng 0 và độ nhọn Kurtosis dương.
Bảng 4.1: Thống kê mô tả về tỷ suất sinh lợi của các chỉ số chứng khốn của các thị trường các quốc gia Đơng Nam Á
RT_ML RT_SIN RT_VN RT_THAI RT_INDO RT_PHI
Mean 0.0220 0.0141 0.0320 0.0388 0.0675 0.0503 Median 0.0476 0.0465 0.0043 0.0682 0.1318 0.0917 Maximum 4.3955 7.5311 4.7348 10.5770 7.6231 7.7816 Minimum -10.2242 -8.6960 -6.0512 -16.0633 -10.9540 -10.2460 Std. Dev. 0.7847 1.1396 1.4826 1.3310 1.4168 1.0750 Skewness -0.7702 -0.1624 -0.0653 -0.8246 -0.7099 -0.7396 Kurtosis 14.1980 8.6630 4.5098 15.0110 10.0030 9.9887 Jarque-Bera 17855.41 4572.80 323.05 20339.03 7035.29 7074.09 Probability 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Sum 73.8419 48.2044 107.9843 128.8736 223.2081 167.4195 Sum Sq. Dev. 2064.57 4428.47 7418.74 5881.56 6635.99 3843.50