2 .Tổng quan các nghiên cứu trước đây
3.2 .Phương pháp kiểm định mơ hình
3.2.1. Thống kê mô tả biến nghiên cứu
Thống kê mô tả các biến nghiên cứu là việc mô tả các biến thông qua các giá trị như giá trị trung bình, trung vị, giá trị lớn nhất, giá trị nhỏ nhất, độ lệch chuẩn… Mục tiêu của thống kê mơ tả nhằm giúp cho người sử dụng có cái nhìn ban đầu về bộ dữ liệu nghiên cứu.
3.2.2. Kiểm định tính dừng cho các biến nghiên cứu
Khi các nghiên cứu sử dụng dữ liệu dưới dạng chuỗi dữ liệu thời gian, việc đầu tiên cần nên làm là kiểm tra xem những biến mà nghiên cứu sử dụng trong mơ hình nghiên cứu là dừng hay không dừng. Một chuỗi dữ liệu thời gian được xem là dừng nếu như trung bình và phương sai của phương trình khơng thay đổi theo thời gian và giá trị của đồng phương sai giữa hai đoạn chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian giữa hai thời đoạn này chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính. Cụ thể
Trung bình :E Y t const
Phương sai : 2
t
Var Y const
Đồng phương sai :CovarY Yt, t k gk
Tính dừng của chuỗi dữ liệu thời gian là một khái niệm vơ cùng quan trọng, vì thực tế hầu hết tất cả những mơ hình thống kê đều được thực hiện dưới giả định là chuỗi dữ liệu thời gian phải dừng. Do vậy một khi ước lượng các tham số hoặc kiểm định giả thuyết của các mơ hình, nếu khơng kiểm định thuộc tính dừng của dữ liệu thì các kỹ thuật phân tích thơng thường (kỹ thuật phân tích bình phương bé nhất OLS) sẽ khơng chính xác và hợp lý. Những kết quả xuất phát từ những phân tích kinh tế khi sử dụng dữ liệu không dừng đều là giả (Granger and Newbold, 1977).Ngoài ra, để thực hiện mơ hình VAR, điều đầu tiên cần phải làm là tiến hành kiểm định tính dừng của dữ liệu.Vì vậy, tính dừng cho chuỗi dữ liệu thời gian của mơ hình sẽ được kiểm tra trước tiên.
Để kiểm tra tính dừng của chuỗi dữ liệu thời gian, đề tài sử dụng kiểm định Augmented Dickey Fuller, đây là một trong những phương cách phổ biến trong kiểm định tính dừng của chuỗi thời gian. Theo đó các độ trễ thời gian sẽ được lựa theo tiêu chuẩn AIC (Akaike Information Criteria). Nếu chuỗi dữ liệu không dừng, đề tài sẽ sử dụng kỹ thuật sai phân để đưa chuỗi dữ liệu về dạng dừng.
Kiểm định nghiệm đơn vị (Unit root test)
được sử dụng khá phổ biến để kiểm tra xem một chuỗi dữ liệu thời gian là dừng hay khơng dừng. Cụ thể:
Giả sử ta có phương trình tự tương quan như sau:
1
t t t
Y Y u với 1 1
Giả thiết :H0: 1 (Yt là chuỗi không dừng)
1: 1
H (Ytlà chuỗi dừng)
Phương trình (10) tương đương:
Giả thuyết có thể được viết lại như sau:
Giả thuyết : =0 (Yt là chuỗi không dừng)
(Yt là chuỗi dừng)
Dickey và Fuller cho rằng giá trị t ước lượng của hệ số Yt-1 sẽ theo phân phối xác
suất ( : tau statistic, =giá trị ước lượng/sai số của hệ số ). Kiểm định thống
kê còn được gọi là kiểm định Dickey-Fuller (DF). Kiểm định DF được sử dụng
dưới 3 hình thức:
Khi Yt là một bước ngẫu nhiên không hằng số:
∆Yt = δYt-1 + ut
Khi Yt là một bước ngẫu nhiên có hằng số:
∆Yt = β1 + δYt-1 + ut
Khi Yt là một bước ngẫu nhiên có hằng số xoay quanh một đường xu thế
ngẫu nhiên:
∆Yt = β1 + β2TIME + δYt-1 + ut
Để kiểm định H0, so sánh giá trị thống kê tính tốn với giá trị thống kê
tra bảng DF. Tuy nhiên bởi vì có hiện tượng tương quan chuỗi giữa các ut do thiếu
Dickey- Fuller test). Kiểm định này được thực hiện bằng cách đưa vào phương trình
(13) biến trễ của sai phân biến phụ thuộc ∆Yt:
∆Yt = β1 + β2TIME + δYt-1 + αi Σ∆Yt-i + εt
Nếu tính tốn giá trị ADF (ADF test statistic) suy ra không bác bỏ
giả thiết H0, hay tồn tại nghiệm đơn vị (chuỗi dữ liệu không dừng).
Nếu tính tốn giá trị ADF (ADF test statistic) suy ra bác bỏ giả
thiết H0, hay không tồn tại nghiệm đơn vị (chuỗi dữ liệu là dừng).
Tuy nhiên, trong các phần mềm kinh tế lượng để hạn chế công việc tra bảng thì đa số các phần mềm đều cung cấp giá trị p-value, ta có thể dùng giá trị này để thay thế
cho giá trị trong việc đọc kết quả là nên bác bỏ hay chấp nhận H0. Theo đó:
Nếu p-value < mức ý nghĩa α thì bác bỏ giả thuyết H0 hay chuỗi dữ liệu là
dừng.
Nếu p-value > mức ý nghĩa α thì chập nhận giả thuyết H0 hay chuỗi dữ liệu
là không dừng.
3.2.3. Lựa chọn mơ hình tự hồi quy AR(p)
Dựa trên chuỗi dữ liệu dừng của các biến nghiên cứu và kết hợp với lược đồ tương quan của từng biến, đề tài sẽ tiến hành lựa chọn độ trễ p cho từng biến nghiên cứu. Theo Nguyễn Trọng Hoài, việc lựa chọn độ trễ p dựa trên lược đồ tương quan tại độ trễ mà giá trị PAC nằm ngoài đường viền thì sẽ cho mơ hình tự hồi quy tốt nhất. Khi mà mơ hình có nhiều độ trễ, việc lựa chọn độ trễ tốt nhất sẽ dựa trên tiêu chí sai số dự báo (Root Mean Square Error – RMSE), mơ hình có RMSE càng nhỏ thì mơ hình đó sẽ được lựa chọn.
3.2.4. Lựa chọn mơ hình EGARCH
Sau khi lựa chọn mơ hình AR(p), đề tài thực hiện lựa chọn một trong các mơ hình EGARCH (1,1), EGARCH (1,2), EGARCH (2,1), EGARCH (2,2) để chọn ra mơ hình tốt nhất nhằm đo lường biến động của các biến nghiên cứu, tiêu chí lựa chọn
nào có giá trị SBIC nhỏ nhất trong 4 mơ hình thì mơ hình đó được lựa chọn, đồng thời kiểm tra các giá trị thống kê Q để kiểm định tự tương quan của phần dư và giá trị chi bình phương trong kiểm định ARCH - LM nhằm kiểm tra hiện tượng phương sai thay đổi trong mơ hình. Dựa trên mơ hình đã lựa chọn, đề tài sẽ thu được kết quả phương sai có điều kiện của từng biến và chuỗi dữ liệu phương sai có điều kiện đại diện cho sự biến động của các biến nghiên cứu.
3.2.5. Lựa chọn độ trễ tối ưu cho mơ hình VAR
Xác định độ trễ tối đa, độ trễ cần loại bỏ
Do tất cả các biến trong mơ hình VAR đều là biến nội sinh, biến nghiên cứu phụ
thuộc vào độ trễ của nó. Vì có nhiều tham số phải ước lượng (2n2-n hệ số) nên thực
hiện kiểm định việc lựa chọn độ trễ tối đa và loại bỏ độ trễ trong mơ hình là điều quan trọng.
Để lựa chọn độ trễ tối đa cho mơ hình, đề tài sử dụng kiểm định Lag length criteria dựa trên các tiêu chí trong kiểm định như AIC, SC, HQ, FRE, LR. Mỗi tiêu chí trong kiểm định có thể đưa ra các độ trễ khác nhau, tuy nhiên việc hồi quy vector với độ trễ cao sẽ làm cho sai số dự báo trở nên rất lớn và khơng đáng tin cậy, vì vậy đề tài cũng cân nhắc trong việc lựa chọn độ trễ thích hợp dựa theo độ trễ mà các tiêu chí đề ra.
Để xác định độ trễ cần loại bỏ trong mơ hình sau khi chọn độ trễ tối đa, đề tài sử dụng kiểm định Lag Exclusion Tests, việc thực hiện kiểm định này nhằm loại bỏ những độ trễ mà trong đó các biến có tự tương quan với nhau.
3.2.6. Kiểm tra tính ổn định của mơ hình
Việc kiểm tra tính ổn định của mơ hình nhằm xem xét mơ hình hiện tại có ổn định hay khơng. Nếu mơ hình là khơng ổn định thì kết quả của 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, đề tài sử dụng kiểm định AR Roots Graph, theo đó nếu tất cả các nghiệm đơn vị có modulus < 1 và khơng có nghiệm nào nằm ngồi vòng tròn nghiệm đơn vị thì mơ hình được xem là ổn định, ngược lại nếu có một
dấu chấm nằm ngồi vịng trịn nghiệm đơn vị thì xem như mơ hình khơng ổn định.
3.2.7. Kiểm định nhân quả Granger giữa các biến nghiên cứu
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 hay không về mặt thống kê. Mơ hình Granger chỉ đơn giản được dùng để trả lời cho câu hỏi có hay khơng sự thay đổi trong biến X gây ra sự thay đổi trong biến Y và ngược lại. Phương trình hồi quy trong kiểm định Granger được mô 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.
3.2.8. Mơ hình VAR
Đề tài thực hiện mơ hình VAR cho biến động của các biến nghiên cứu nhằm phân tích tác động của biến động các biến vĩ mô đến biến động thị trường chứng khoán tại Việt Nam.
3.2.9 Hàm phản ứng thúc đẩy (Impulse response function - IRF) và kỹ thuật phân rã phương sai (Variance decomposition)
Hàm phản ứng thúc đẩy (IRF)
cho phép xác định hiệu ứng thời gian của cú sốc của một biến nội sinh nào đó đối với các biến khác trong mơ hình.Chi tiêt xem thêm phụ lục
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 cịn 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 để xác định xem mức độ ảnh hưởng của một biến đến biến số nghiên cứu là bao nhiêu. Kỹ thuật này được đề tài sử dụng để xem xét yếu tố nào giải thích mạnh cho sự biến động của thị trường chứng khoán.
3.3. Thu thập và xử lý dữ liệu
Các dữ liệu được sử dụng trong mơ hình là dữ liệu thứ cấp, được thu thập từ nguồn dữ liệu của IMF, Tổng cục thống kê Việt Nam. Thời kỳ nghiên cứu của đề tài từ tháng 01 năm 2001 đến tháng 12 năm 2013 (bao gồm 156 quan sát).
Mơ hình áp dụng trong bài luận văn là AR - EGARCH để đo lường độ biến động của các biến nghiên cứu, sau đó tiếp tục sử dụng mơ hình VAR để xem xét mối quan hệ giữa các biến nghiên cứu.
Đề tài có 4 biến nghiên cứu, cụ thể như sau:
Tỷ suất sinh lợi thực thị trường chứng khoán Việt Nam: đối với biến động
thị trường chứng khoán tại Việt Nam, đề tài lựa chọn chỉ số VN-Index của HOSE (Sở giao dịch chứng khoán Thành phố Hồ Chí Minh) làm đại diện vì với quy mơ trên 300 công ty được niêm yết, trên 100 cơng ty chứng khốn thành viên, sàn HOSE hiện nắm giữ 85% giá trị vốn hóa của tồn thị trường chứng khốn Việt Nam, vì vậy VN-Index chiếm ưu thế hơn so với chỉ số HNX-Index và Upcom- Index trong việc làm chỉ số đại diện cho thị trường chứng khoán Việt Nam. Chỉ số VN-Index được lấy dữ liệu theo tháng, mỗi quan sát là đóng cửa vào ngày giao dịch
suất sinh lợi thực của chỉ số chứng khốn được tính bằng cách lấy chênh lệch của
chỉ số chứng khoán (tức là trừ đi cho chênh lệch chỉ số
giá (tức là ). Số liệu chỉ số chứng khoán và chỉ số
giá CPI được lấy logarit theo cơ số tự nhiên.
Tổng sản phẩm quốc nội GDP: là biến kinh tế vĩ mô phản ánh tình hình hoạt
động và sự tăng trưởng của nền kinh tế, sự gia tăng trong GDP là một báo hiệu cho sự phát triển kinh tế. Trong các nghiên cứu, để đo lường hoạt động của nền kinh tế người ta thường dùng biến vĩ mô là GDP. Một nền kinh tế tăng trưởng cao và ổn định mang lại cho các nhà đầu tư kỳ vọng tốt về sự phát triển trong tương lai, do đó thu hút nhiều nguồn vốn đầu tư vào thị trường chứng khốn. Vì vậy giả thuyếtH1:
là tổng sản phẩm quốc nội có tương quan dương với thị trường chứng khoán.
Đề tài sử dụng GDP được thu thập theo quý và thu thập từ nguồn Tổng cục thống kê Việt Nam, chuỗi dữ liệu được chuyển sang tháng bằng cách nội suy bằng phần mềm Eviews và sử dụng phương pháp census x12 để loại bỏ yếu tố mùa vụ, sau đó chuỗi theo tháng sẽ được chuyển sang chuỗi thực và lấy logarit theo cơ số tự nhiên và giá trị của tháng sau trừ giá trị của tháng trước được phần chênh lệch, phần chênh lệch là dữ liệu được sử dụng trong phần mềm Eviews và mơ hình EGARCH để đo lường độ biến động của tổng sản phẩm quốc nội.
Lạm phát: Được đo lường bởi chỉ số giá tiêu dùng (CPI), CPI là chỉ số tính
theo phần trăm phản ánh mức thay đổi tương đối của giá hàng tiêu dùng theo thời gian, dữ liệu CPI được thu thập theo tháng từ nguồn IFS CDROM (International Financial Statistics) của IMF. Tương tự như GDP, chuỗi được sử dụng phương pháp Census X12 nhằm loại bỏ yếu tố mùa vụ. Tiếp tục chuỗi dữ liệu CPI được lấy logarit theo cơ số tự nhiên và giá trị của tháng sau trừ giá trị của tháng trước được phần chênh lệch, phần sai phân là dữ liệu được sử dụng trong phần mềm Eviews và mơ hình AR - EGARCH để đo lường độ biến động của lạm phát.
Về mặt lý thuyết định giá tài sản, lạm phát ảnh hưởng đến giá cổ phiếu thơng qua hai ảnh hưởng chính. Thứ nhất, lạm phát ảnh hưởng đến lợi nhuận của doanh nghiệp trong tương lai, và kế tiếp ảnh hưởng đến tỷ suất sinh lợi của nhà đầu tư, từ
đó ảnh hưởng đến giá cổ phiếu trên thị trường chứng khốn, qua đó tác động đến chỉ số giá chứng khốn. Có 2 quan điểm trái ngược nhau về ảnh hưởng của lạm phát đến thị trường chứng khoán.
Theo lý thuyết của Fisher (1930) “tỷ suất lợi nhuận kỳ vọng của cổ phiếu bằng lạm phát kỳ vọng cộng thêm tỷ suất sinh lợi thực yêu cầu của nhà đầu tư”, trong đó tỷ suất sinh lợi thực thường ổn định qua thời gian và không phụ thuộc lạm phát. Giá cổ phiếu trong điều kiện bình thường sẽ phản ánh đầy đủ lạm phát kỳ vọng, nhà đầu tư sẽ được bù đắp cho sự gia tăng của lạm phát thông qua sự gia tăng tỷ suất sinh lợi của cổ phiếu, vì vậy với lý thuyết của Fisher cho rằng việc đầu tư vào cổ phiếu có thể phịng ngừa lạm phát, tức là khi lạm phát tăng sẽ dẫn đến tăng giá cổ phiếu, nghĩa là lạm phát và chỉ số giá chứng khốn có mối quan hệ cùng chiều.
Ngược với quan điểm của Fisher là Fama (1981), Fama đã đưa ra giả thuyết về hiệu ứng trung chuyển: mối quan hệ giữa lạm phát và thị trường chứng khốn là nghịch biến thơng qua cung cầu tiền tệ. Fama giải thích rằng khi lạm phát tăng cao sẽ làm giảm hoạt động kinh tế và làm tăng cầu tiền tệ, khi kinh tế giảm, lợi nhuận doanh nghiệp giảm dẫn đến giá cổ phiếu sẽ giảm, tuy nhiên mối quan hệ giữa lạm phát và giá chứng khoán sẽ đồng biến nếu tăng trưởng thực được kiểm sốt.
Với những lý thuyết trình bày ở trên, cùng với những nghiên cứu trước đây, đề tài đưa ra giả thiết H2: biến động lạm phát và biến động trong tỷ suất sinh lợi thực