Chương 4 : KẾT QUẢ NGHIÊN CỨU
4.2 Kết quả của các mơ hình
4.2.3 Bằng chứng về tính phi tuyến trong tính biến thiên lợi suất của thị trường chứng khoán
chứng khốn Việt Nam
Viết lại kết quả mơ hình này từ bảng 4.5, ta có:
2 2 2 2 2
ℎ� = 0.05 +0.24***��−1 + 0.18***.��−2+0.1***��−3 + 0.075***. ��−4 + 0.08***.
��−5 + 2 2
0.1***. ��−6 + 0.07***. ��−7
Phương trình trên cho thấy tác động biên của �2 vào dự báo tính biến thiên ℎ2 , chẳng hạn, dựa vào dữ liệu phần dư trễ của bảy thời kỳ trước nếu nhà phân tích tin rằng hiện tại thị trường đang nằm trong tình trạng biến thiên thấp (và với p11 =0.9564 khá cao từ bảng 5), tác động biên của ut-1 vào dự báo là 0.24/g1 (g1=1), nhưng nếu phần dư đủ lớn để thuyết phục nhà phân tích rằng thị trường đã chuyển sang giai đoạn 2 thì tác động biên này sẽ là 0.24/g2 (g2=12), rõ ràng với hàm ý thay đổi tình trạng, việc tham số hóa lại thang đo tính biến thiên đã giúp mơ hình bắt được tính phi tuyến.
4.2.4 Mơ hình Markov SWARCH có thực hiện dự báo tốt hơn so với các mơ hình GARCH
a. Kiểm định và so sánh lựa chọn mơ hình tối ưu trong số ba mơ hình t SWARCH (2, 3), Gaussian SWARCH –L(2, 4) và Gaussian SWARCH- (2,7)
a.1 Kiểm định tỉ số khả năng
- Từ bảng 4.12, giá trị hàm khả năng của mơ hình Gaussian SWARCH –L(2, 4) là - 5119.78 và giá trị này của mơ hình t SWARCH (2, 3) là -5125.05. Kiểm định tỉ số của hai mơ hình này là 2*(-5119.78-(-5125.05)) = 10.54, giá trị thống kê của LR này tuân theo phân phối Chi bình phương với bậc tự do là hiệu của (11-9), như vậy kết quả này có ý nghĩa thống kê ở mức 1% cho thấy việc lựa chọn Gaussian SWARCH –L(2, 4) tốt hơn so với mơ hình t SWARCH (2, 3).
- Từ bảng 4.12, giá trị khả năng của Gaussian SWARCH- (2,7) là -5081.96. Thực hiện kiểm định tỉ số khả năng giữa mơ hình này và mơ hình Gaussian SWARCH –L(2, 4), giá trị thống kê thu được là 2*(-5081.96-(-5119.78))=75.64 lớn hơn giá trị tới hạn của phân phối Chi bình phương với bậc tự do là 3 (14-11) là 16.266 cho mức ý nghĩa 1%. Như vậy, kiểm định tỉ số khả năng cho thấy mơ hình Gaussian SWARCH- (2,7) là mơ hình tốt nhất.
Tiêu chuẩn lựa chọn Gaussian ARCH(7) GED ARCH(7) T ARCH (7) Gaussian SWARCH- (2,7) Gaussian SWARCH- L(2,4) T SWARCH –L(2,3) T SWARCH (2,3) Gaussian ARCH- L(2) Số tham số ước lượng 10 11 11 13 11 11 9 7 L* -5236.13 -5175.49 - 5146.40 -5081.96 -5119.78 -5123.89 -5125.05 -5465.92 AIC -5246.13 -5186.49 - 5157.40 -5094.96 -5130.78 -5134.89 -5135.05 -5472.92 BIC -5276.31 -5219.70 - 5190.60 -5134.20 -5163.98 -5164.08 -5165.24 -5494.05 MAE 2.89 2.93 3.07 LE2 6.69 7.11 7.07 LE 1.83 1.85 1.85 Bảng 4.12. So sánh các mơ hình
a.2 Tiêu chuẩn AIC và BIC
Từ bảng 4.12, tiêu chuẩn AIC và BIC của Gaussian SWARCH- (2,7) lần lượt là - 5094.96 và -5134.20, các giá trị này đối với mơ hình Gaussian SWARCH – L(2, 4) lần lượt là -5130.78 và -5163.98 , trong khi tiêu chuẩn AIC và BIC của t SWARCH (2, 3) lần lượt là -5134.05 và -5161.93, cả hai tiêu chuẩn AIC và BIC này giúp nghiên cứu khẳng định lại sự lựa chọn mơ hình Gaussian SWARCH- (2, 7).
b.Hàm thiệt hại đánh giá sai số của mơ hình thay thế
Hình 4.2 và 4.3 cho kết quả chẩn đốn bằng hình ảnh các giá trị dự đốn tính biến thiên trước 1 thời kỳ trong mẫu từ ba mơ hình Gaussian SWARCH (2, 7), t SWARCH (2, 3) và
Gaussian SWARCH –L(2, 4) cho thấy kết quả dự đốn từ ba mơ hình khá giống nhau. Để lựa chọn ra mơ hình tối ưu, kết quả từ bảng 4.12 cho thấy các giá trị hàm thiệt hại này tuy có khác biệt nhưng khơng nhiều và đây là một bằng chứng lý giải được sự tương đồng có được từ hình 4.2 và 4.3. Ngồi ra, khi cùng thực hiện dự báo trước một ngày trong mẫu, kết quả hàm thiệt hại (cả MAE, LE và LE2) từ bảng 4.12 cho thấy mô hình Gaussian SWARCH (2, 7) có các giá trị hàm thiệt hại nhỏ nhất nên nó là mơ hình có kết quả dự báo tốt nhất.
Tóm lại, trong số các mơ hình được thực hiện trong nghiên cứu này, mơ hình Gaussian SWARCH (2, 7) là tốt nhất với bất kỳ tiêu chuẩn so sánh nào.
-2 -6 -10 -14
200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
95% can duoi cua mo hinh Gaussian SW ARCH -L(2, 4)
0 -4 -8 -12
-16 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
95% can duoi cua mo hinh t SW ARCH - (2, 3)
-2 -6 -10 -14
200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
95% can duoi cua mo hinh Gaussian SW ARCH - (2, 7)
Hình 4.2 So sánh 95% cận dưới dự báo tính biến thiên 1 thời kỳ trong mẫu của ba mơ hình Gaussian SWARCH-(2,7), Gaussian SWARCH-L(2,4) và t SWARCH (2,3)1
1 Biến có phân phối t chuẩn và có bậc tự do v thì có phương sai là v/(v-2). Vì vậy nếu biến ut có phân phối t, phương
2 2 2
sai
��
và v bậc tự do thì ��. √�: [�� . (� − 2)] có phân phối là t chuẩn với v bậc tự do. 95% giá trị tới hạn
của một
biến có phân phối t với 8.35 bậc tự do là ± 2.3. Vì vậy khoảng tin cậy 95% của biến ut được tính là
2 2
12 8 4 0
200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
95% can tren cua mo hinh Gaussian SW ARCH -L(2, 4)
16 12 8 4 0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
95% can tren cua mo hinh t SW ARCH - (2, 3)
12 8 4 0
200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
95% can tren cua mo hinh Gaussian SW ARCH - (2, 7)
Hình 4.3. So sánh 95% cận trên dự báo tính biến thiên 1 thời kỳ trong mẫu của ba mơ hình Gaussian SWARCH- (2, 7), Gaussian SWARCH- L (2, 4) và t SWARCH (2, 3)
4.2.5 Bằng chứng về sự có mặt của tác động địn bẩy trong tính biến thiên lợi suấtcủa thị trường chứng khoán Việt Nam của thị trường chứng khoán Việt Nam
Tác động địn bẩy được tìm thấy có ý nghĩa ở mức 10% trong mơ hình Gaussian SWARCH –L (2, 4), khi đó tác động này có giá trị ξ1 = 0.08 hàm ý nếu lợi suất trong quá khứ giảm sẽ làm tăng tính biến thiên của nó ở hiện tại nhiều hơn 0.08 so với khi nó tăng với cùng độ lớn nhưng khơng may, mơ hình này lại khơng cho kết quả dự báo tốt nhất, ngoài ra, nếu lựa chọn mức ý nghĩa thống kê ở mức nghiêm ngặt hơn ví dụ 5% thì tác động này có thể bỏ qua, do đó, trong thị trường chứng khốn Việt Nam, sự hiện diện của tác động đòn bẩy dường như chưa rõ nét.
50
4.2.6Phân tích kết quả nghiên cứu của mơ hình Gaussian SWARCH (2, 7)
Sự lựa chọn mơ hình Gaussian SWARCH (2, 7) là một bằng chứng thực nghiệm cho thấy giá trị hiện tại của lợi suất đầu tư vào thị trường chứng khoán Việt Nam bị ảnh hưởng rất mạnh của các giá trị trễ của chính nó: hệ số tự hồi quy dương cho thấy có hiện tượng trì trệ, cụ thể, lợi suất của 7 ngày giao dịch trước đó đều có ảnh hưởng đến kỳ vọng của nhà đầu tư tại thời điểm hiện tại.
a. Thế nhưng có thực sự khi đầu tư vào thị trường chứng khoán Việt Nam, nhà đầu tư chỉ quan tâm đến lợi suất của bảy ngày trước đó?
Ước lượng tính dai dẳng của mơ hình Gaussian SWARCH (2, 7) là 0.95 cho thấy thị trường chứng khốn Việt Nam có tính dai dẳng rất cao ngay cả khi đã tính đến yếu tố thay đổi tình trạng, hệ số này ở thị trường chứng khoán New York theo nghiên cứu của Hamilton và Susmel (1994) là khoảng 0.5 đến 0.6 và ở Đài Loan theo nghiên cứu của Chen và cộng sự (2000) khoảng 0.4 đến 0.5. Kết quả này cho thấy tầm quan của các thông tin trong quá khứ đối việc dự báo tính biến thiên của lợi suất trong thị trường chứng khốn Việt Nam, cụ thể, tính biến thiên ngày hơm nay có giá trị để dự báo lên đến hơn 90 ngày giao dịch sau mới biến mất 0.9590 ≈ 0.01.
b. Bức tranh của thị trường chứng khoán Việt Nam được đặc trưng gam màu ổn định hay đầy biến động?
Hình 4.4 chỉ ra xác suất mài trơn của mơ hình Gaussian SWARCH (2, 7), như Turner và cộng sự (1989, tr. 12) hình vẽ này sẽ cho chúng ta cảm giác về việc có sự thay đổi tình trạng trong phương sai: nếu chuỗi chỉ thể hiện một tình trạng thì xác suất này sẽ dao động quanh mức 50% đồng nghĩa với việc khơng có khả năng có sự khác biệt tình trạng và ngược lại sự khác biệt về tình trạng xuất hiện khi xác suất này có sự mơ tả bằng hình ảnh rõ rệt ở mức khác trên. Cụ thể, P11 trong hình 4.4 cho thấy tình trạng ổn định có tần suất kém xảy ra hơn tình trạng biến động, thị trường hầu như trì trệ hồn tồn trong tình trạng biến động, hay nói cách khác, tình trạng biến động lấn át gần đến hết mẫu nghiên cứu,
51
ngồi ra, hình 4.4 cịn cho thấy khả năng nội sinh chính xác thời kỳ ổn định và biến động đối với một quan sát bất kỳ nào của mẫu (chi tiết xem bảng 4.12).
10.0 5.0 0.0 -5.0
-10.0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
Loi suat dau tu thi truong chung khoan Viet Nam
1.0 0.8 0.6 0.4 0.2 0.0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
P11 cua mo hinh Gaussian SW ARCH-(2,7)
1.0 0.8 0.6 0.4 0.2 0.0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400 2600 2800 3000
P22 cua mo hinh Gaussian SW ARCH-(2,7)
Hình 4.4: Lợi suất và xác suất làm trơn của mơ hình Gaussian SWARCH (2, 7) (hình giữa là xác suất chuyển đổi p11 và hình cuối là xác suất chuyển đổi p22)
c. Nếu lấy một quan sát bất kỳ thì chúng ta có thể kỳ vọng quan sát đó rơi vào miền ổn định hay biến động và với xác suất là bao nhiêu?
Bảng 4.11 là một bằng chứng thực nghiệm cho thấy: xác suất không điều kiện của một quan sát bất kỳ có khả năng rơi vào miền biến động (xác suất không điều kiện cho thời kỳ biến động là 76.4%) cao hơn gấp 3 lần so với vùng ổn định (xác suất không điều kiện cho thời kỳ ổn định là 23.6%). Rõ ràng, đây là một bằng chứng sống động đi kèm với hình 4.4, kết quả này cho thấy thị trường chứng khoán Việt Nam biến động gấp ba lần so với giai đoạn ổn định, đặc biệt khi đếm số lần xuất hiện tình trạng biến động trong giai đoạn
từ năm 2000 đến 2007, nghiên cứu tìm ra được 21 lần cho sự xuất hiện của tình trạng biến động, so với 5 điểm gãy trong nghiên cứu cùng thời kỳ của Vuong Thanh Long (2007), kết quả của nghiên cứu này (khi cho phép sự chi phối của chuỗi Markov) là một bằng chứng cho thấy thực trạng bức tranh của thị trường chứng khoán Việt Nam biến động hơn 4 lần so với những gì chúng ta đã hiểu biết từ nghiên cứu trước.
d. Có tồn tại tính dai dẳng của từng tình trạng và có khả năng chuyển đổi từ tình trạng này qua tình trạng khác hay khơng?
Hình 4.4 cho thấy, mơ hình Gaussian SWARCH (2, 7) đã bắt được tính biến thiên khá tốt khi nghiên cứu chia các tình trạng ra làm hai như đã thực hiện, kết quả nghiên cứu đã nhận diện ra các tình trạng có mức biến thiên cao là các giai đoạn như được liệt kê trong bảng 4.11, tuy nhiên cũng cần lưu ý rằng các giai đoạn biến thiên cao luôn đi kèm với các sự kiện kinh tế chính trị hay thay đổi thủ tục như một bằng chứng cho thấy mối liên hệ giữa các sự kiện này và thị trường chứng khoán (phụ lục 1 cũng liệt kê một số các sự kiện quan trọng liên quan). Xác suất chuyển đổi của mơ hình Gaussian SWARCH (2, 7) được viết lại như sau:
0.9564∗∗∗0.0143∗∗∗
0.0436∗∗∗0.9857∗∗∗]
Thời kỳ được kỳ vọng (xem chứng minh cơng thức trong Hamilton (1989, tr. 374) cho tình trạng 1 là (1-p11)-1 = 23 ngày và tình trạng 2 là (1-p22)-1 = 70 ngày, tuy nhiên tính dai dẳng của tình trạng vẫn thấp hơn so với tính dai dẳng của mơ hình (90 ngày) như đã nói ở trên. Ngồi ra, ma trận này cịn cho thấy cả hai tình trạng 1 và 2 đều khơng có tính vĩnh viễn vì khơng có xác suất chuyển đổi nào bằng 1: có 95.64% thị trường ở trong tình trạng 1 và xác suất này nhỏ hơn xác suất thị trường rơi vào tình trạng 2 (98.57%). Kết quả này cũng cho thấy tình trạng biến động (tình trạng 2) dai dẳng hơn tình trạng ổn định (tình trạng 1). Ngồi ra, các hệ số p21 và p12 cho thấy khả năng tình trạng chuyển từ tình trạng 1 sang 2 là 4.36% và ngược lại là 1.43%, kết quả này hàm ý khả năng thị trường chuyển
từ tình trạng ổn định sang tình trạng biến động (4.6%) cao hơn ba lần so với khả năng ngược lại (1.43%).
e. Đâu là đặc trưng của giai đoạn biến động?
Nghiên cứu hiểu rằng nhà chức trách chỉ quan tâm đến sự khác biệt giữa giai đoạn biến động và ổn định khi sự khác biệt đó đủ lớn (hàm ý đủ gây tác động xấu đến nhà đầu tư) thì vấn đề này mới đủ sức thuyết phục và thu hút sự quan tâm.
Về tổng thể, nghiên cứu nhận thấy rằng thị trường chứng khoán Việt Nam được đặc trưng bởi sự biến động, thế nhưng mức độ biến thiên trong giai đoạn biến động cao hơn bao nhiêu so với giai đoạn ổn định? Khi K=2, g1 ký hiệu cho tình trạng ổn định, g2 cho tình trạng có biến động. Kết quả từ Gaussian SWARCH (2, 7) cho thấy khi chuẩn hóa g1=1, phương sai của tình trạng biến động cao gấp 12 lần so với tình trạng cịn lại. Dĩ nhiên, vấn đề thu hút sự quan tâm của nhà chức trách còn phụ thuộc vào nhiều yếu tố, trong phạm vi bài viết này, nghiên cứu cho rằng con số này là đủ gióng lên lời cảnh tỉnh khi đưa ra bất kỳ chính sách nào có tác động đến tính biến thiên lợi suất trong bối cảnh thị trường chứng khoán Việt Nam.
CHƯƠNG 5: KẾT LUẬN5.1 Kết quả nghiên cứu 5.1 Kết quả nghiên cứu
Từ bảng 4.12, mơ hình Gaussian SWARCH – (2, 7) là mơ hình tối ưu trong việc mơ hình hóa tính biến thiên lợi suất đầu tư thị trường chứng khoán Việt Nam, từ mơ hình này, nghiên cứu đưa ra các kết luận:
5.1.1 Khả năng mơ hình hóa tính biến thiên này bằng mơ hình thay đổi tình trạng Markov SWARCH trong mối quan hệ với các tình trạng thị trường
Từ kết quả bảng 4.5 cho thấy các tham số ước lượng cho mơ hình Markov Gaussian SWARCH - (2, 7) đều có ý nghĩa thống kê ở mức 1% (bao gồm tham số ARCH và tham số Markov), ngoài ra, kết quả mục b phần 4.2.2 đưa ra bằng chứng về sự hiện diện của thay đổi tình trạng Markov bậc 2, bằng chứng này cho thấy tính biến thiên lợi suất tại Việt Nam hồn tồn có thể được mơ hình hóa bằng chuỗi Markov.
5.1.2 Khả năng phi tuyến trong tính biến thiên lợi suất của thị trường chứng khốn Việt Nam
Phần 4.2.3 cho thấy mơ hình Markov Gaussian SWARCH – (2, 7) có khả năng bắt được tính phi tuyến rất tốt, cụ thể, mơ hình có thể bắt được những vùng biến thiên khác biệt 12 lần so với vùng ổn định
5.1.3 Mơ hình có khả năng dự báo tốt nhất tính biến thiên lợi suất của thị trường chứng khoán Việt Nam
Phần 4.2.4 đã chứng minh được mơ hình Gaussian SWARCH – (2, 7) là tối ưu với bất kỳ tiêu chuẩn so sánh nào (kiểm định tỉ số khả năng, AIC, BIC hay hàm thiệt hại)
5.1.4 Nhận diện sự tồn tại của tác động bất cân xứng trong chuỗi biến thiên lợi suất của thị trường chứng khoán Việt Nam
Trong số ba mơ hình cạnh tranh nhất, tác động địn bẩy được tìm thấy trong mơ hình Gaussian SWARCH- L (2, 4) mặc dù ở mức ý nghĩa lên tới 10%, trường hợp nghiên cứu đưa ra mức ý nghĩa thấp hơn, chẳng hạn 5% thì tác động này có thể bỏ qua, mặt khác mơ hình Gaussian SWARCH- L (2, 4) khơng phải là mơ hình tối ưu về đo lường tính biến
thiên nên trong giai đoạn nghiên cứu thực hiện, tác động đòn bẩy vẫn chưa thực sự rõ nét