3.1 Các biến nghiên cứu
Đề tài này nghiên cứu mối tương quan của chỉ số thị trường chứng khoán Việt Nam VN-Index (VNI) với các nhân tố kinh tế vĩ mô như tổng sản phẩm quốc nội (GDP), chỉ số giá tiêu dùng (CPI), tỷ giá hối đoái VND/USD (FX) và lãi suất cho vay (LR).
Biến VNI đại diện cho thị trường chứng khoán Việt Nam được lấy theo chỉ số VN-Index của phiên giao dịch cuối cùng trong quý. Theo nhiều cơ sở lý thuyết cũng như các kết quả nghiên cứu trước đây như của Atje và Jovanovic (1993) cũng như Levine và Zervos (1996), biến VNI được cho rằng sẽ có tác động cùng chiều và đáng kể đối với biến GDP, trong khi khơng có nhiều bằng chứng để có thể dự báo về tác động của biến VNI đối với các biến CPI, FX, LR.
Biến GDP đại diện cho mức độ tăng trưởng của nền kinh tế và được xác định bằng giá trị tổng sản phẩm quốc nội theo quý. GDP sử dụng trong bài nghiên cứu là GDP thực, được tính theo giá cố định của năm gốc 1994. GDP thực đã loại bỏ tác động của lạm phát nên sẽ phản ánh chính xác sự tăng trưởng của nền kinh tế. Theo nhiều cơ sở lý thuyết cũng như các kết quả nghiên cứu trước đây, biến GDP được dự báo sẽ chịu tác động của biến VNI cũng như các biến còn lại và theo kết quả nghiên cứu của Feridun (2006) chúng ta cũng có thể dự báo về tác động cùng chiều của biến GDP lên biến VNI.
Biến CPI đại diện cho mức độ lạm phát của nền kinh tế và được xác định bằng chỉ số giá tiêu dùng theo quý được tính trên cơ sở năm gốc là năm 2005 (CPI năm 2005 = 100). Biến CPI được dự báo sẽ có tác động ngược chiều đối với biến VNI, giống như kết quả thu được từ các nghiên cứu của Aliyu (2010) hay Francis và Tewari (2011).
Biến FX đại diện cho tỷ giá hối đoái VND/USD và được xác định bằng tỷ giá cuối quý theo số liệu công bố của IMF. Sự tăng lên trong biến FX, đồng nghĩa với việc giá trị của VND bị mất đi, được dự báo sẽ tác động cùng chiều lên biến VNI,
giống như kết quả nghiên cứu của Ajayi và Mougoue (1996) hay Sevuktekin và Nargelecekenler (2007).
Biến LR đại diện cho lãi suất và được xác định bằng lãi suất cho vay theo năm cuối mỗi quý. Trong các nghiên cứu trước đây, lãi suất tín phiếu kho bạc thường được chọn để đại diện cho lãi suất nhưng trong bài nghiên cứu này tác giả chọn lãi suất cho vay do tác động trực tiếp và to lớn của nó đến hoạt động của các doanh nghiệp nói riêng cũng như thị trường chứng khốn và nền kinh tế nói chung. Dựa trên kết quả nghiên cứu trước đây của Menike (2006) hay Mashayekh và cộng sự (2011), biến LR được dự báo sẽ có tác động ngược chiều lên biến VNI.
3.2 Cơ sở dữ liệu
Đề tài tiến hành nghiên cứu mối tương quan của các nhân tố kinh tế vĩ mơ và thị trường chứng khốn tại Việt Nam với cơ sở dữ liệu được thu thập theo quý từ quý ba năm 2000 đến hết quý bốn năm 2012:
Dữ liệu về chỉ số VN-Index được thu thập từ website của Sở giao dịch chứng khốn Thành phố Hồ Chí Minh.
Dữ liệu về GDP được thu thập từ website của Tổng cục thống kê Việt Nam và chỉ tiêu tăng trưởng kinh tế được tính tốn trên cơ sở số liệu này.
Dữ liệu về CPI, tỷ giá VND/USD và lãi suất cho vay được thu thập từ eLibrary trên website của Quỹ tiền tệ quốc tế IMF.
3.3 Phương pháp nghiên cứu
3.3.1 Kiểm định tính dừng của chuỗi dữ liệu
Vấn đề tính dừng là một trong những điều kiện quan trọng khi phân tích chuỗi dữ liệu theo thời gian. Nếu chuỗi dữ liệu khơng dừng thì sẽ tạo ra hồi quy giả mạo và làm sai lệch kết quả mơ hình. Để kiểm định tính dừng của dữ liệu có nhiều phương pháp, bài nghiên cứu này sẽ sử dụng kiểm định nghiệm đơn vị ADF
Mơ hình tổng quát của phương pháp ADF có dạng như sau: ΔYt = β1 + β2TIME + δYt-1 + αi ΣΔYt-i + εt Trong đó:
ΔYt là chuỗi dữ liệu theo thời gian cần kiểm định tính dừng β2TIME là biến xu hướng
αi ΣΔYt-i là biến trễ của sai phân biến phụ thuộc ΔYt εt là nhiễu trắng Ta có các giả thiết: H 0: δ = 0 (Y t là chuỗi không dừng) H 1: δ < 0 (Y t là chuỗi dừng)
Giả thiết H0 sẽ bị bác bỏ nếu giá trị tuyệt đối tính được của trị thống kê τ (tau statistic, τ = giá trị δ ước lượng/sai số của hệ số δ) lớn hơn giá trị tới hạn dựa trên bảng giá trị tính sẵn của Mackinnon (1991).
3.3.2 Kiểm định đồng liên kết
Khi hồi quy các chuỗi thời gian không dừng thường dẫn đến kết quả hồi quy giả mạo và làm sai lệch mơ hình. Tuy nhiên, Engle và Granger (1987) cho rằng nếu 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 cho là đồng liên kết. Kết hợp tuyến tính dừng được gọi là phương trình đồng liên kết và có thể được giải hích như mối quan hệ cân bằng dài hạn giữa các biến. Nói cách khác, nếu phần dư trong mơ hình hồi qui giữa các chuỗi thời gian không dừng là một chuỗi dừng, thì kết quả hồi qui là thực và thể hiên mối quan hệ cân bằng dài hạn giữa các biến trong mơ hình. Mục đích của kiểm định đồng liên kết là xác định xem một nhóm các chuỗi khơng dừng có đồng liên kết hay khơng. Phương pháp phổ biến nhất hiện nay để kiểm định đồng liên kết là dựa trên phương pháp VAR của Johansen, bao gồm kiểm định Trace và kiểm định Max-Eigen. Tuy có một chút khác biệt về cách đặt giả thiết nhưng nhìn
H0: không tồn tại mối quan hệ đồng liên kết H1: tồn tại mối quan hệ đồng liên kết
Để quyết định bác bỏ hay chấp nhận giả thiết H
0, ta so sánh giá trị Trace Statistic / Max-Eigen Statistic với giá trị phê phán (critical value) tại một mức ý nghĩa xác định.
Nếu Trace Statistic / Max-Eigen Statistic < Critical Value, ta chấp nhận giả thiết H0
Nếu Trace Statistic / Max-Eigen Statistic > Critical Value, ta bác bỏ giả thiết H0
3.3.3 Kiểm định nhân quả Granger
Phương pháp này xuất phát từ nghiên cứu của Granger năm 1969. Kiểm định này dựa trên mơ hình chính sau đây
Yt = α0 + α1Yt-1 + … + αiYt-i + β1Xt-1 + … + βiXt-i + εt Xt = α0 + α1Xt-1 + … + αiXt-i + β1Yt-1 + … + βiYt-i + εt
Để xem các biến trễ của X có giải thích cho Y (X tác động nhân quả Granger lên Y) và các biến trễ của Y có giải thích cho X (Y tác động nhân quả Granger lên X) hay không ta kiểm định giả thiết sau đây cho mỗi phương trình:
H 0: β
1 = β
2 = … = β i = 0
Để kiểm định giả thiết đồng thời này, chúng ta sử dụng thống kê F của kiểm định Wald và cách quyết định như sau: Nếu giá trị thống kê F tính tốn lớn hơn giá trị thống kê F phê phán ở một mức ý nghĩa xác định ta bác bỏ giả thiết H0 và ngược lại. Ngoài ra chúng ta cũng có thể dựa vào giá trị p-value với việc bác bỏ bỏ giả thiết H0 khi p-value nhỏ hơn mức ý nghĩa xác định. Có bốn khả năng như sau:
Nhân quả Granger một chiều từ X sang Y nếu các biến trễ của X có tác động lên Y, nhưng các biến trễ của Y khơng có tác động lên X.
Nhân quả Granger một chiều từ Y sang X nếu các biến trễ của Y có tác động lên X, nhưng các biến trễ của X khơng có tác động lên Y.
Nhân quả Granger hai chiều giữa X và Y nếu các biến trễ của X có tác động lên Y và các biến trễ của Y có tác động lên X.
Khơng có quan hệ nhân quả Granger giữa X và Y nếu các biến trễ của X khơng có tác động lên Y và các biến trễ của Y khơng có tác động lên X.
3.3.4 Mơ hình vector hiệu chỉnh sai số VECM và phương pháp phân tách phương sai VDC phương sai VDC
Trong phân tích hồi quy, do các chuỗi thời gian thường không dừng nên việc áp dụng phương pháp bình phương bé nhất OLS (Ordinary Least Squares) thường sẽ không giúp chúng ta xác định được một mơ hình hồi quy hiệu quả cho mối quan hệ giữa các biến trong mơ hình. Tuy nhiên nếu như tồn tại một mối quan hệ đồng liên kết, hay nói cách khác là tồn tại mối quan hệ cân bằng dài hạn giữa các biến trong mơ hình thì chúng ta có thể áp dụng mơ hình vector hiệu chỉnh sai số VECM (Vector Error Correction Model) để ước lượng mơ hình thể hiện mối quan hệ cân bằng trong dài hạn cũng như áp dụng phương pháp phân tách phương sai VDC (Variance Decompositions) để xác định lượng thơng tin của mỗi biến độc lập đóng góp vào việc giải thích sự biến động của biến phụ thuộc trong mơ hình. Bài nghiên cứu sẽ lần lượt đặt từng nhân tố ở vai trò biến phụ thuộc để xem xét tác động của các nhân tố kinh tế vĩ mơ trên thị trường chứng khốn Việt Nam cũng như vai trị của thị trường chứng khốn đối với từng nhân tố kinh tế vĩ mô. Mô hình VECM dài hạn mà chúng ta xác định sẽ lần lượt có dạng như sau:
VNIt = α01 + α11*GDPt + α21*CPIt + α31*FXt + α41*LRt + εt1 GDPt = α02 + α12*VNIt + α22*CPIt + α32*FXt + α42*LRt + εt2 CPIt = α03 + α13*VNIt + α23*GDPt + α33*FXt + α43*LRt + εt3 FXt = α04 + α14*VNIt + α24*GDPt + α34*CPIt + α44*LRt + εt4 LRt = α05 + α15*VNIt + α25*GDPt + α35*CPIt + α45*LRt + εt5