TÊN BIẾN VNINDEX TYGIA SXCN LSNH CUNG
TIEN CPI VNINDEX 1.000 0.480 0.549 0.362 0.673 0.583 TYGIAHOIDOAI 0.480 1.000 0.907 0.606 0.924 0.955 SANXUATCN 0.549 0.907 1.000 0.665 0.950 0.974 LAISUATLIENNH 0.362 0.606 0.665 1.000 0.666 0.706 CUNGTIEN 0.673 0.924 0.950 0.666 1.000 0.984 CPI 0.583 0.955 0.974 0.706 0.984 1.000
Nguồn: Tác giả tính tốn dữ liệu dựa vào phần mềm Eviews 8
Ma trận hệ số tự tương quan cho kết quả hầu hết các tương quan giữa các biến tương đối lớn, tương quan giữa biến là chặt chẽ, kết quả là hoàn toàn phù hợp với thực tế vì các chính sách kinh tế vĩ mơ đều tác động lên biến vĩ mô và chúng có quan hệ mật thiết với nhau, tương tác qua lại. Mơ hình có mối tương quan lớn giữa các biến vĩ mô đầu vào là dấu hiệu nên sử dụng dạng mơ hình VAR trong phân tích mối quan hệ nhân quả giữa các biến. Theo Christopher Achen, vấn đề đa cộng tuyến không quá nghiêm trọng. Đa cộng tuyến chặt, như trong trường hợp gần đa cộng tuyến, các ước lượng OLS vẫn có tính chất của BLUE (ước lượng vững, không chệch và hiệu quả).
3.2.2 Kiểm định nghiệm đơn vị
Bài nghiên cứu thực hiện trên cơ sở dữ liệu chuỗi thời gian, vì vậy để đưa ra một mơ hình tốt thì chuỗi dữ liệu phải có tính dừng. Tính dừng để tránh hiện tượng hồi quy giả mạo hay cịn gọi là hồi quy khơng xác thực. Khi xảy ra hồi quy giả mạo thông thường giá trị R2 thu được từ mơ hình là rất cao do sự xuất hiện của xu hướng mạnh như tăng liên tục hoặc xuống liên tục, nói cách khác R2 cao là do xu hướng, không phải do mối quan hệ thực chất của các biến trong chuỗi thời gian đó. Nếu chuỗi thời gian khơng có tính dừng thì dữ liệu khơng thể sử dụng để dự báo hiện tượng trong tương lai. Chính vì vậy, u cầu đầu tiên của dữ liệu theo chuỗi thời gian là phải có điểm dừng, nếu khơng dừng ở ngun phân thì phải dừng ở sai phân bậc 1 hoặc sai phân bậc d.
Theo nghiên cứu đa phần các chuỗi thời gian ở dạng tuyến tính và dạng hàm số mũ theo thời gian do đó khơng có tính dừng. Tuy nhiên có thể biến đổi chuỗi khơng dừng về dạng chuỗi dừng thông qua việc lấy sai phân. Sai phân bậc 1 của chuỗi dừng thì chuỗi ban đầu gọi là tích hợp bậc 1, ký hiệu I(1), sai phân bậc d của chuỗi dừng thì chuỗi ban đầu gọi là chuỗi tích hợp ở bậc d ký hiệu I(d), nếu chuỗi ban đầu chưa lấy sai phân có tính dừng thì gọi là chuỗi ngun phân, ký hiệu I(0).
Theo nghiên cứu một chuỗi thời gian là dừng khi giá trị trung bình, hiệp phương sai (tại các độ trễ khác nhau) giữ nguyên không đổi, dù chuỗi được xác định ở thời điểm nào, phương sai khơng thay đổi. Chuỗi dừng có xu hướng trở về giá trị trung bình và những dao động quanh giá trị trung bình là như nhau. Như vậy chuỗi thời gian khơng dừng có giá trị trung b́nh thay đổi, hoặc phương sai thay đổi hoặc đồng thời giá trị trung bình và phương sai thay đổi theo thời gian.
Trung bình: E (Yt) = μ = const Phương sai: Var (Yt) = σ2 = const Hiệp phương sai: Covar (Yt, Yt-k) = gk
Có nhiều phương pháp được sử dụng để kiểm tra tính dừng của chuỗi dữ liệu: kiểm định Dickey – Fuller (DF), kiểm định Phillip – Pearson (PP), kiểm
định Dickey – Fuller mở rộng (ADF – Augmented Dickey Fuller), kiểm tra bằng giản đồ tự tương quan, điểm định bằng phương pháp của Andrew D., Zivot... Trong đó tác giả sử dụng lý thuyết kiểm định ADF để kiểm tra tính dừng của các chuỗi dữ liệu đã thu thập được.
Kiểm định ADF được thực hiện như sau:
Giả thiết của kiểm định ADF như sau:
H0 (null hypothesis): Chuỗi khơng có tính dừngdừng H1 : Chuỗi có tính dừng
So sánh giá trị tuyệt đối từ kiểm định tính tốn lớn hơn giá trị tuyệt đối của giá trị tới hạn thì bác bỏ H0
Nếu |tADF| > | tα |, bác bỏ Ho, có nghĩa là chuỗi khơng tồn tại nghiệm đơn vị, có nghĩa là chuỗi có tính dừng. Ngược lại, ta có thể lấy đạo hàm chuỗi dữ liệu để tiếp tục kiểm tra tính dừng của chuỗi.
Kiểm định của Andrew D., Zivot như sau:
Andrew D., Zivot (1992) đã phân tích giả thuyết không của kiểm định nghiệm đơn vị trên một chuỗi khơng có sự phá vỡ, ngược lại giả thuyết đối là 1 quá trình, dừng xu hướng kết hợp với những thay đổi 1 lần trong mức và độ dốc cả hàm xu hướng của chuỗi dữ liệu. Trong kiểm định này, ngày phá vỡ được lựa chọn từ điểm mà thống kê t kiểm định giả thuyết không của nghiệm đơn vị là nhỏ nhất. Tác giả đưa ra mơ hình kiểm định nghiệm đơn vị mở rộng có dạng:
∆Πt = u + β.t + α Πt-1 + DUt + y.DTt + Ci. ∆Πt -1 + εt
Trong đó:
DUt là biến giả thay cho thay đổi trung bình xảy ra tại mỗi lần phá vỡ cấu trúc và DTt là biến thay đổi xu hướng.
εt : nhiễu trắng (số hạng chỉ sai số ngẫu nhiên có giá trị trung bình bằng 0, phương sai là hằng số và không tự tương quan)
Giả thiết cũng như căn cứ để kết luận của kiểm định Zivot cũng tương tự như kiểm định ADF.
3.2.3 Kiểm định đồng liên kết theo phương pháp Johansen
Để xem xét có hay khơng sự tồn tại mối quan hệ cân bằng dài hạn giữa các biến độc lập và biến phụ thuộc.
Có hai dạng kiểm định Johansen dựa vào Trace hoặc Eigenvalue. Giả thuyết của Trace là số vector đồng liên kết r ≤ k, trong khi số vector đó của giả thuyết Ho của eigen value là r = k
Theo Engle và Granger (1987) kết hợp tuyến tính của các chuỗi thời gian khơng dừng có thể là một chuỗi dừng và các chuỗi thời gian khơng dừng đó được gọi là đồng liên kết. Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và được giải thích như mối quan hệ cân bằng dài hạn giữa các biến. Hay nói theo cách khác, phần dư trong mơ hình hồi quy chuỗi thời gian không dừng là một chuỗi dừng thì kết quả hồi quy là đúng đắn và thể hiện cân bằng dài hạn giữa các biến trong mơ hình. Mục đích chính của đồng liên kết là xem các chuỗi khơng dừng có quan hệ hay khơng. Có hai cách kiểm định
Thứ nhất: Kiểm định nghiệm đơn vị phần dư
Thứ hai: Kiểm định đồng liên kết dựa theo phương pháp luận Var của Johansen (1991, 1995a)
Một chú ý quan trọng kiểm định chỉ có ý nghĩa khi xét đối tượng là chuỗi thời gian không dừng
Giả thuyết Johansen đưa ra là
Ho: “None” nghĩa là khơng có đồng liên kết, viết đầy đủ là “None of Cointergration” No. of CE(s) (đây là giả thiết ta quan tâm nhất).
H1: “At most 1” nghĩa là có 1 mối quan hệ đồng liên kết.
Lưu ý rằng, tùy thuộc vào số biến trong mơ hình (ví dụ như k biến mà ta sẽ có k-1 số phương trình đồng liên kết, khi đó ta sẽ có thêm giả thiết về phương trình đồng liên kết).
Để đưa ra quyết định chấp nhận hay bác bỏ giả thiết Ho, ta cần so sánh giá trị Trace Statistic (giá trị T tính tốn) với giá trị phê phán (giá trị tới hạn) Critical
Value tại mức ý nghĩa đã chọn ở ô MHM trong Eview (thông thường chọn mức 5% hay 0,05).
Nếu Trace Statistic < Critical Value: ta chấp nhận giả thiết Ho Nếu Trace Statistic > Critical Value: ta bác bỏ giả thiết Ho
Khảo sát chuỗi dữ liệu ta thấy dữ liệu của bài nghiên cứu không dừng ở nguyên phân mà dừng ở sai phân bậc 1 là cơ sở thực hiện đồng liên kết. Khi đi đến kết luận tồn tại đồng liên kết trên dữ liệu cho phép thực hiện hồi quy hệ phương trình VAR. Kết quả đồng liên kết cho phép thực hiện hồi quy VAR khi dữ liệu dừng tại bậc 1, tránh được hiện tượng hồi quy giả mạo.
Ta sẽ kiểm định đồng liên kết dựa trên các chuỗi chưa lấy sai phân.
Xác định độ trễ tối ưu
Kết quả kiểm định thường rất nhạy cảm với chiều dài độ trễ nên tiêu chuẩn thông tin AIC (Akaike’ Information Criterion) của Akaike (1970,1974) được sử dụng để lựa chọn chiều dài độ trễ tối ưu. Phương pháp thứ nhất của Akaike gọi là sai số hoàn toàn xác định trước FPE và phương pháp hứ hai gọi là tiêu chuẩn thông tin Akaike AIC. Haman và Quinn (1979) đề xuất một phương pháp khác gọi là tiêu chuẩn HQ. Bên cạnh đó cịn có phương pháp chọn độ trễ tối ưu của Schwarz (1978) được ký hiệu SC.
3.2.4 Kiểm định nhân quả Granger
Kiểm định nhân quả nhằm trả lời cho câu hỏi có hay khơng sự thay đổi của biến X ảnh hưởng đến kết quả của biến Y và ngược lại. Về cơ bản phải xác định được quan hệ nhân quả mới có cơ sở thành lập mơ hình nghiên cứu.
Thực hiện kiểm định nhân quả ta kiểm định hai phương trình sau:
Yt = αo + β1 Yt-1 + δtXt-1 + εt Xt = α1 + φ1 Yt-1 + ρtYt-1 + υt
Để xem có hay khơng việc biến trễ của X có giải thích cho Y (X tác động nhân quả lên Y) và các biến trễ của Y có giải thích cho X (Y tác động nhân quả lên X), ta tiến hành kiểm định giả thiết sau đây cho mỗi phương trình:
Ho: δ1 = ρ1 = 0
Ta sử dụng thống kê F của kiểm định Wald và kết luận như sau: F tính tốn > F critical value tại ý nghĩa α: bác bỏ Ho
Có các trường hợp như sau:
Δ1 ≠ 0 và có ý nghĩa thống kê và ρ1 khơng có ý nghĩa thống kê: X tác động lên Y nhưng Y không tác động lên X, nhân quả Granger 1 chiều với X là biến độc lập, Y là biến phụ thuộc (uni-directional causality)
δ1 khơng có ý nghĩa thống kê và ρ1 ≠ 0 và có ý nghĩa thống kê: Y tác động lên X nhưng X không tác động lên Y, nhân quả Granger 1 chiều với Y là biến độc lập, X là biến phụ thuộc (uni-directional causality)
δ1 ≠ 0 và ρ1 ≠ 0 và đều có ý nghĩa thống kê: X và Y tác động qua lại, các biến trễ của X tác động lên Y và biến trễ của Y tác động lên X
δ1 và ρ1 đều khơng có ý nghĩa thống kê: X và Y độc lập với nhau, khơng có quan hệ nhân quả giữa X và Y, các biến trễ của X không tác động lên Y và các biến trễ của Y không tác động lên X.
Theo Engle và Granger (1987) kết quả kiểm định nhân quả Granger chịu ảnh hưởng rất nhiều vào việc lựa chọn độ trễ, độ trễ nhỏ hơn độ trễ thực sẽ bỏ qua kết quả trễ bị ảnh hưởng và dẫn đến kết quả ước tính bị sai lệch. Nếu độ trễ được chọn lớn thì các độ trễ khơng có liên quan xuất hiện sẽ làm kết quả ước tính khơng đạt hiệu quả cao. Do vậy tiêu chuẩn Akaike được sử dụng để chọn độ trễ tối ưu.
3.2.5 Mơ hình hệ phương trình tự hồi quy VAR
Về cơ bản, Mukherjee và Naka cho rằng, động lực để lựa chọn phương pháp VECM là để tránh sai số tiềm năng xuất hiện trong quá trình lấy sai phân chuỗi dữ liệu mà phương pháp Var sử dụng. Tuy nhiên đối với dữ liệu tác giả thu
thập được cho thấy việc sử dụng phương pháp VAR là phù hợp với tình hình thực tiễn.
Mơ hình tự hồi quy vec tor VAR:
Trên thực tế, khi nghiên cứu tác động của nhiều biến số đến một biến số nào đó ta thấy ln ln có sự tương tác qua lại của cả biến phụ thuộc và biến độc lập, do vậy phương trình mà ta xem xét phải là một hệ phương trình chứ khơng phải là một đơn phương trình. Vì vậy khi ước lượng mơ hình ta cần đảm bảo các phương trình phải được định dạng, một số biến là biến nội sinh (biến mà giá trị được xác định bởi mơ hình, là biến ngẫu nhiên, một số biến được coi là ngoại sinh (ngoại sinh cộng với nội sinh trễ). Mơ hình Var về cấu trúc gồm nhiều phương trình và có các độ trễ k của VNINDEX và biến số vĩ mơ khác. Var là mơ hình động sử dụng chuỗi thời gian có dạng như sau:
Yt = Ao,t + A1,t Yt-1 + … Ap,t Yt-k + εt
Ưu điểm của mơ hình VAR:
- Mơ hình VAR khá đơn giản, không cần xác định đâu là biến nội sinh (độc lập) hay ngoại sinh (biến phụ thuộc).
- Nếu độ dài trễ của các biến trong các phương trình giống nhau ta có thể sử dụng phương pháp OLS để ước lượng, không cần dùng tới phương pháp ước lượng hệ phương trình.
- Khả năng dự báo tốt hơn so với mơ hình hệ phương trình gồm nhiều biến. Chính vì những ưu điểm này mà mơ hình Var rất hay được lựa chọn để vận dụng với những nghiên cứu về các biến kinh tế vĩ mơ.
Hạn chế mơ hình VAR:
- Số lượng quan sát cần phải lớn vì số lượng các hệ số cần ước lượng lớn.
- Trước khi áp dụng mơ hình VAR, các biến phải có tính dừng, nếu các biến khơng dừng thì phải lấy sai phân để đảm bảo chuỗi dừng. Nếu trong tập hợp, có biến dừng và có biến khơng dừng thì sử dụng VAR gặp phải nhiều khó khăn. - Khó khăn trong việc lựa chọn khoảng trễ thích hợp, lựa chọn khoảng trễ cịn mang nhiều cảm tính.
- Do số quan sát là có hạn, nếu tăng độ dài của trễ sẽ làm số bậc tự do bị giảm, ảnh hưởng đến chất lượng của các ước lượng.
- Trong một vài trường hợp, việc giải thích dấu của các hệ số không phải dễ dàng.
Phân tích hàm phản ứng xung
Để thấy rõ hơn cơ chế tác động của các biến kinh tế vĩ mơ đến chỉ số giá chứng khốn, biết được chỉ số giá chứng khoán chịu tác động nhiều nhất của yếu tố nào và kéo dài trong bao nhiêu kỳ. Khi có một cú sốc về một biến vĩ mơ nào đó thì VNINDEX sẽ phản ứng theo chiều hướng như thế nào: cùng chiều hoặc ngược chiều.
Phân rã phương sai
Cho thấy phần đóng góp của biến vĩ mô trong sự thay đổi của VNINDEX trong
ngắn hạn, trung hạn và dài hạn, biến nào có tác động nhiều nhất đến VNINDEX, cú sốc từ biến phụ thuộc là biến VNINDEX đến phương sai của sai số trong dự báo.
3.3 Sử dụng phần mềm hỗ trợ kinh tế lượng EVIEWS 8, STATA12, EXCEL là cơng cụ hữu ích để xử lý các chuỗi dữ liệu và trình bày một số kết quả nghiên là cơng cụ hữu ích để xử lý các chuỗi dữ liệu và trình bày một số kết quả nghiên
cứu
3.4 Diễn biến của thị trường Việt Nam giai đoạn từ 7/2000 đến 12/2014
Sau nhiều năm thực hiện cơng tác chuẩn bị, ngày 11/07/1998 Chính phủ ký ban hành nghị định 48/CP, khai sinh cho TTCK Việt Nam, cùng ngày chính phủ ký quyết định số 127/1998/QĐ-TTg thành lập Trung tâm giao dịch chứng khoán đặt tại Thành phố Hồ Chí Minh và Hà Nội. Trung tâm giao dịch chứng khoán TP. Hồ Chí Minh chính thức đi vào hoạt động thực hiện phiên giao dịch đầu tiên vào ngày 28/7/2000 với hai mã chứng khốn là REE (cơng ty cổ phần cơ điện lạnh) và SAM (công ty cổ phần đầu tư và phát triển Sacom).
Để tạo hành lang pháp lý cho TTCK vận hành, Quốc hội nước Cộng hòa xã hội chủ nghĩa Việt Nam khóa XI, kỳ họp thứ 9 thơng qua “Luật chứng khốn” số 70/2006/QH11 ngày 29/06/2006 và có hiệu lực thi hành kể từ ngày 1/1/2007.
Bốn năm sau, ngày 24/11/2010 Quốc hội tiếp tục ban hành luật số 62/2010/QH12 quy định về việc sửa đổi, bổ sung của một số điều của luật chứng khốn, có hiệu lực thi hành kể từ ngày 1/7/2011.
Mới nhất hiện nay, chủ nhiệm văn phòng Quốc hội phê duyệt và ký xác thực văn bản hợp nhất số 27/VBHP-VPQH Luật chứng khoán ngày 18/12/2013. Văn bản này được hợp nhất từ 02 văn bản qui phạm pháp luật: Luật chứng khoán số 70/2006/QH11 và Luật sửa đổi, bổ sung một số điều của luật chứng khoán số 62/2010/QH12
Như vậy từ chỗ TTCK Việt Nam chính thức hoạt động từ tháng 7/2000 với hai mã chứng khoán, doanh nghiệp đã nhận thức được việc niêm yết chứng