6. Kết cấu của đề tài
2.4 Kiểm định sự tác động của các nhân tố kinh tế vĩ mô đến VN-Index
Qua các nghiên cứu trên thế giới mà tác giả thu thập ở phần 1.4, tác giả dựa vào nghiên cứu của Shahnaz Mashayekh và cộng sự (2011) cùng với nghiên cứu Naik Pramod Kumar và cộng sự (2012) chọn ra các nhân tố kinh tế vĩ mô và phương pháp nghiên cứu để tiến hành thực hiện nghiên cứu của tác giả. Các yếu tố kinh tế vĩ mô được chọn là lạm phát, lãi suất tiền gửi ngắn hạn, lãi suất trái phiếu chính phủ, tỷ giá, cung tiền để nghiên cứu sự tác động của các biến kinh tế vĩ mô đến chỉ số VN-Index, với dữ liệu thu thập theo tháng từ tháng 1/2002 đến tháng 12/2012. Tác giả sử dụng mơ hình VECM, kiểm định đồng liên kết và phân rã phương sai để phân tích sự tác động và kiểm tra mối quan hệ giữa các biến vĩ mô đến chỉ số VN-Index trong ngắn và dài hạn.
2.4.1 Nguồn dữ liệu và mơ hình nghiên cứu
2.4.1.1 Nguồn dữ liệu
Mơ hình nghiên cứu được xây dựng với VN-Index là biến phụ thuộc và các nhân tố kinh tế vĩ mô là các biến độc lập. Tro ng nghiên cứu này dữ liệu của các biến được thu thập hàng tháng trong suốt giai đoạn tháng từ tháng 1/2002 đến tháng 12/2012 với 132
quan sát. Bên cạnh đó, để dữ liệu “smooth” và đơn giản hóa việc đánh giá tác động
mạnh hay yếu của các nhân tố kinh tế vĩ mô tác giả đã thực hiện việc chuyển dữ liệu gốc của biến VN-Index, lạm phát, tỷ giá sang dạng logarit cơ số tự nhiên.
VN-Index: Chỉ số VN-Index được thu thập từ website http://www.fpts.com.vn. Dữ
liệu VN-Index theo tháng được tính trung bình chỉ số VN-Index đóng cửa của tất cả các ngày giao dịch trong tháng, tác giả chọn giá trị trung bình vì như vậy sẽ giảm thiểu được sự thiên lệch so với việc lấy chỉ số đóng cửa đầu tháng hoặc cuối tháng.
Lạm phát: Lạm phát được đo lường bởi chỉ số giá tiêu dùng (CPI) danh nghĩa hàng tháng (năm 2005=100) và được thu thập từ IFS CD-ROOM của IMF.
Lãi suất: Trong bài nghiên cứu này tác giả chọn lãi suất huy động (lãi suất tiền gửi) và lãi suất trái phiếu chính phủ đại diện cho yếu tố lãi suất. Bởi vì, hai loại lãi suất này có ảnh hưởng trực tiếp đến quyết định đầu tư trên thị trường chứng khoán của nhà đầu tư khi xét đến chi phí cơ hội. Qua quan sát trực quan cũng đã cho thấy mối tương quan giữa lãi suất với VN-Index. Vì thế, tác giả đã chọn hai loại lãi suất này để đưa vào mơ hình nghiên cứu. Chỉ tiêu này theo tháng được thu thập từ IFS CD-ROOM của IMF.
Tỷ giá hối đối giữa VND/USD: Việt Nam có giao thương với nhiều quốc gia trên thế giới chính vì thế nhiều loại đồng tiền nước ngoài được giao dịch tại Việt Nam. Tuy nhiên, đồng đơ la Mỹ lại có sức ảnh hưởng lớn đến Việt Nam bởi vì đồng đơ la Mỹ chiếm tỷ trọng nhiều nhất trong giao thương kinh tế, nhu cầu tích trữ trong dân ở Việt Nam. Do đó, trong nghiên cứu này tác giả c họn tỷ giá giữa tiền đồng Việt Nam so với đô la Mỹ làm đại diện để đưa vào mơ hình kiểm định. Đơn vị tính là VND/USD, dữ liệu trung bình hàng tháng được thu thập từ IFS CD-ROOM của IMF.
Cung tiền mở rộng (M2 ): Cung tiền mở rộng được lựa chọn để đại diện cho yếu tố mang tính nội tại của nền kinh tế, kết quả điều tiết M2 thể hiện mức độ dư thừa hay thiếu hụt phương tiện thanh toán và qua đó nó thể hiện việc hợp lý hay không hợp lý của việc điều hành chính sách tiền tệ của NHNN. Điề u này theo suy luận logic và quan sát trực quan đã cho thấy tác động cùng chiều ho ặc ngược chiều đến TTCK Việt Nam nói chung và VN-Index nói riêng. Tro ng bài nghiên cứu này tác giả chọn Cung tiền M2 (đơn vị %) thể hiện yếu tố cung tiền, dữ liệu được thu thập từ IFS CD-ROOM của IMF.
Bảng 2.2 Bảng tóm tắt các biến số trong mơ hình nghiên cứu:
STT Ký hiệu Nội dung Đơn vị đo lƣờng
1 LnVNI Chỉ số VN-Index, lấy Logarith tự nhiên Điểm
2 LnCPI Chỉ số giá tiêu dùng theo tháng, lấy
Logarith tự nhiên
3 LnEXR Tỷ giá VND/USD, lấy Logarith tự nhiên VND/USD
4 M2 Cung tiền M2 %
5 DR Lãi suất huy động ngắn hạn %/năm
6 TBR Lãi suất trái phiếu chính phủ ngắn hạn %/năm
2.4.1.2 Mơ hình đánh giá tác động
Trong bài nghiên cứu này tác giả đề cập đến 2 mơ hình là phương trình hồi quy tổng qt và mơ hình hiệu chỉnh sai số
Mơ hình hồi quy tổng quát
Mục đích nhằm biểu diễn mối quan hệ giữa các biến kinh tế vĩ mô với VN-Index. Do đó, sẽ xây dựng mơ hình hồi quy với biến phụ thuộc là VN-Index và biến độc lập là các nhân tố kinh tế vĩ mơ. Vì vậy, mơ hình hồi quy tổng qt có dạng:
LnVNIt= f(LnCPI, LnEXR, M2, DR, TBR)
LnVNIt= β1+β2LnCPI+β3LnEXR+β4M2+ β5DR+ β6 TBR+ut (2)
Việc xác định mức độ tin cậy của mơ hình dựa trên các kiểm định nghiệm đơn vị đối
với ut và các thống kê kiểm định t và F.
Mơ hình hiệu chỉnh sai số véc tơ
Tro ng nghiên cứu này để phân tích ảnh hưởng của xu hướng thay đổi trong ngắn hạn đối với cân bằng trong dài hạn, mơ hình hiệu chỉnh sai số véc tơ được thiết lập có dạng:
ΔVNIt= β1+β2ΔLnCPI+β3ΔLnEXR+β4ΔM2+ β5ΔDR+ β6ΔTBR+ ECTt-1+εt
Tro ng đó, ECTt-1= LnVNIt – (β1+β2LnCPI+β3LnEXR+β4M2+ β5DR+ β6 TBR) được tính
từ phương trình (2)
2.4.2 Phân tích thống kê mơ tả dữ liệu
Bảng 2.3: Bảng thống kê mô tả dữ liệu các biến nghiên cứu
LNVNI LNCPI LNEXR M2 DR TBR
Mean 5.899558 4.836906 9.739423 26.80402 8.894364 7.518856
Median 5.981764 4.754366 9.684554 27.67864 7.650000 6.225000
Minimum 4.907112 4.400883 9.622516 10.39326 5.850000 3.340000 Std. Dev. 0.528284 0.323211 0.106954 8.909497 2.948004 2.809446 Skewness 0.126620 0.286498 1.005013 0.407175 1.153322 0.742538 Kurtosis 2.422425 1.719081 2.459126 2.823370 3.178203 2.641855 Jarque-Bera 2.187478 10.82993 23.83014 3.819006 29.43799 12.83545 Probability 0.334962 0.004449 0.000007 0.148154 0.000000 0.001632 Sum 778.7417 638.4716 1285.604 3538.130 1174.056 992.4889 Sum Sq. Dev. 36.55997 13.68499 1.498531 10398.67 1138.485 1033.982 Observations 132 132 132 132 132 132
Kết quả thống kê cho ta thấy mẫu quan sát trong dữ liệu là 132, điều này đảm bảo được yêu cầu về cỡ mẫu.
Hai giá trị thống kê Skewness và Kurtosis trong bảng thống kê mô tả giúp hình dung về hình dáng của phân phối. Skewness là một đo lường mức độ lệch của phân phối hay cịn gọi là hệ số bất đối xứng, có 3 trường hợp xảy ra như sau:
Skewness=0: phân phối cân xứng Skewness>0: phân phối lệch phải Skewness<0: phân phối lệch trái
Kurtosis là một đại lượng đo lường mức độ tập trung tương đối của các quan sát quanh trung tâm của nó trong mối quan hệ so sánh với hai đi, có 3 trường hợp xảy ra như sau:
Kurtosis =3 phân phối tập trung ở mức độ bình thường
Kurtosis >3 phân phối tập trung hơn mức độ bình thường, tuy nhiên hình dạng của đa giác tần số trông sẽ khá cao và nhọn với hai đuôi bẹp.
Kurtosis <3 phân phối tập trung hơn mức độ bình thường, tuy nhiên hình dạng của đa giác tần số là một đa giác tù với hai đuôi dài.
Với những lý luận cơ bản về hai giá trị thống kê Skewness và Kurtosis thì thơng qua bảng thống kê trên cho thấy:
VN-Index, lạm phát, cung tiền, tỷ giá, lãi suất huy động ngắn hạn, lãi suất trái phiếu chính phủ đều có Skewness >0 nên phân phối lệch phải.
Kurtosis của VN-Index, tỷ giá, lạm phát, lãi suất trái phiếu chính phủ, cung tiền đều có giá trị nhỏ hơn 3, điều này cho thấy hình dạng của đa giác phân phối sẽ tù hơn với hai đuôi dài nghĩa là các biến này có sự biến động ít, biến thiên giao động không cao trong thời gian khảo sát nghiên cứu. Chỉ có Kurtosis của lãi suất tiền gửi là lớn hơn 3, do đó giá trị của lãi suất tiền gửi tập trung hơn mức độ bình thường, hình dạng của đa giác tần số khá cao và nhọn với hai đuôi hẹp nghĩa là lãi suất tiền gửi có những biến động mạnh và bất thường trong thời gian khảo sát và nghiên cứu.
Giá trị độ lệch chuẩn chỉ ra rằng cung tiền và lãi suất biến động nhiều hơn so với tỷ giá, lạm phát và VN-Index.
2.4.3 Kết quả nghiên cứu thực nghiệm
2.4.3.1 Kiểm định nghiệm đơn vị
Mục đích của phần này là kiểm định tính dừng đối với chuỗi dữ liệu thời gian để tránh hồi quy giả mạo của mơ hình hay hồi quy khơng xác thực. Khi xảy ra hồi quy giả
mạo thì thơng thường giá trị R2 thu được từ mơ hình hồi quy thường rất cao do sự hiện
diện của tính xu hướng mạnh như tăng liên tục hoặc xuống liên tục, hay nói cách khác
giá trị R2 cao là do tính xu hướng chứ khơng phải là do mối quan hệ thực của các biến
chuỗi thời gian đó. Do đó, điều quan trọng khi nghiên cứu dữ liệu chuỗi thời gian phải xem xét tính 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 hiệp phương sai của hai giai đoạn chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian giữa hai giai đoạn chứ không phụ thuộc vào thời điểm thực tế mà hiệp phương sai được tính (Ramathan, 2002). Cụ thể:
Trung bình: E(Yt)=µ =const
Hiệp phương sai: Covar (Yt , Yt-k) = gk
Để kiểm tra tính dừng của chuỗi dữ liệu thời gian tác giả sử dụng kiểm định Augemented Dickey Fuller (kiểm định DF mở rộng) hay còn gọi là phương pháp ADF và phương pháp Philips Perron (PP). Đối với phương pháp ADF, độ trễ được lựa chọn trên tiêu chuẩn thông tin Akaike (AIC), còn PP để chế độ mặc định.
Theo hai phương pháp này tác giả đi kiểm định giả thuyết H0 (chuỗi dữ liệu không
dừng), nếu giá trị |t|tính tốn>|t|α thì bác bỏ giả thiết H0 và kết luận chuỗi dừng. Khi chuỗi dữ liệu gốc chưa dừng ở mức (level), tác giả tiếp tục lấy sai phân bậc 1, bậc 2 để kiểm
tra. Kết quả kiểm định tính dừng của các biến trong mơ hình được thể hiện ở bảng dưới đây (Tham khảo chi tiết tại phụ lục 1)
Bảng 2.4: Kết quả kiểm định nghiệm đơn vị
Các biến số
Kiểm định ADF Kiểm định PP
Kết luận Level (tại mức) Sai phân bậc 1 Level (tại mức) Sai phân bậc 1 LnVNI -2.391736 -6.948733* -1.548942 -6.873927* I(1) LNCPI -3.395355*** -3.078230 (a) -2.809453*** -2.382314 -6.565839* I(1) LNEXR -1.319638 -9.186525* -1.185739 -9.120.734* I(1) M2 -1.118504 -6.402320* -2.412586 -9.030221* I(1) DR -2.071262 -5.972694* -2.380630 -6.086932* I(1) TBR -1.934162 -3.972704* -2.074799 -10.61395* I(1)
Ghi chú:*,**,*** là ký hiệu mức ý nghĩa lần lượt tại 1%, 5%, 10%; (a) là ký hiệu sử dụng chuẩn thông tin SIC bổ sung (Schwarz Info criterion).
Qua kết quả của bảng trên ta thấy hầu hết các biến đều chấp nhận giả thuyết H0 tại
mức (level) hay còn gọi là nguyên phân và bác bỏ H0 tại sai phân bậc nhất của các
phương pháp ADF thì logariths CPI dừng tại mức ký hiệu I(0) với mức ý nghĩa 10%; theo phương pháp Philips Perron thì dừng ở sai phân bậc 1 ký hiệu I(1). Do đó, tác giả tiến hành thử lại phương pháp ADF với biến logariths CPI theo chuẩn thông tin SIC bổ sung thì kết quả là CPI khơng dừng tại mức mà dừng ở sai phân bậc 1. Như vậy, trong
nghiên cứu này tất cả các biến không dừng tại mức mà dừng ở sai phân bậc nhất với mức ý nghĩa 1%.
Do các biến không dừng tại mức nên theo nghiên cứu của Jonhansen và Juselius (1990, 1995) có thể xác định được mối quan hệ đồng liên kết giữa các biến không dừng.
2.4.3.2 Xác định độ trễ tối ưu
Akaike (1970,1974) xây dựng hai phương pháp, một được gọi là sai số hoàn toàn xác định trước FPE và phương pháp thứ hai gọi là tiêu chuẩn thông tin Akaike (AIC). Haman và Quinn (1979) đề nghị một phương pháp khác (được gọi là tiêu chuẩn HQ). Các tiêu chuẩn khác gồm của Schwarz (1978), Shibata (1981) và Rice (1984). Mỗi một trị thống kê này đều dựa trên vài tính chất tối ưu, tuy nhiên tiêu chuẩn AIC là tiêu chuẩn được sử dụng phổ biến nhất trong phân tích dữ liệu chuỗi thời gian. Do đó, trong bài nghiên cứu này tác giả sử dụng tiêu chuẩn AIC để xác định biến trễ tối ưu. Bằng phương pháp ước lượng mơ hình Var trên phần mềm Eview 6.0 thì việc xác định độ trễ tối ưu được thể hiện qua bảng sau:
Bảng 2.5: Độ trễ tối ưu qua các tiêu chuẩn
Lag LogL LR FPE AIC SC HQ
0 342.4860 NA 1.41e-10 -5.655228 -5.515104* -5.598328 1 414.1077 134.8172 7.75e-11* -6.253910 -5.273043 -5.855611* 2 446.0224 56.85649 8.34e-11 -6.185250 -4.363640 -5.445552 3 484.8314 65.22520 8.05e-11 -6.232460 -3.570107 -5.151363 4 511.5175 42.15962 9.62e-11 -6.075925 -2.572828 -4.653428 5 547.8663 53.75952 9.91e-11 -6.081787 -1.737947 -4.317890 6 587.5576 54.70065 9.83e-11 -6.143826 -0.959242 -4.038530 7 620.7175 42.35541 1.11e-10 -6.096092 -0.070765 -3.649397 8 642.3333 25.43044 1.58e-10 -5.854342 1.011728 -3.066247
9 682.1260 42.80221 1.71e-10 -5.918084 1.788729 -2.788591
10 716.5667 33.57248 2.12e-10 -5.891878 2.655678 -2.420985
11 744.6211 24.51811 3.10e-10 -5.758338 3.629961 -1.946046
12 851.3057 82.47880* 1.30e-10 -6.946314* 3.282729 -2.792622
* indicates lag order selected by the criterion (cho biết độ trễ được chọn bởi các tiêu chuẩn)
LR: sequential modified LR test statistic (each test at 5% level) FPE: Final prediction error
AIC: Akaike information criterion SC: Schwarz information criterion HQ: Hannan-Quinn information criterion
Qua bảng 5 cho thấy kết quả xác định biến trễ tối ưu theo tiêu chuẩn LR và AIC là 12, tiêu chuẩn EPE và tiêu chuẩn HQ là 1, tiêu chuẩn SC là 0. Theo thực tiễn các nghiên cứu về chuỗi thời gian trên thế giới các nhà nghiên cứu thường dựa vào tiêu chuẩn AIC để chọn độ trễ tối ưu. Do đó, biến trễ tối ưu trong bài nghiên cứu này theo tiêu chuẩn AIC là 12.
2.4.3.3 Kiểm định đồng liên kết
Có hai phương pháp phổ biến được dùng để kiểm định đồng liên kết trong các mơ hình hồi quy đó là Engle-Granger (EG) và Jonhansen. Tuy nhiên, phương pháp EG có nhược điểm là chỉ phù hợp với mơ hình hai biến, cịn khi mơ hình nhiều biến thì phương pháp này không đưa ra được hết các véc tơ đồng liên kết, do đó khả năng bỏ sót véc tơ đồng liên kết là rất cao. Vì vậy, sẽ không hiệu quả nếu sử dụng phương pháp EG trong mơ hình nhiều hơn hai biến. Chính vì thế, trong bài nghiên cứu này tác giả sử dụng phương pháp Jonhansen để xem xét có bao nhiêu mối quan hệ cân bằng trong dài hạn giữa các biến.
Dựa vào lý thuyết đồng liên kết của Jonhansen, tác giả xét thấy khi thực hiện kiểm định đồng liên kết cần phải thực hiện theo trình tự ba bước như sau:
Bước 1: Kiểm tra nghiệm đơn vị của tất cả các biến, phải chắc rằng các biến
Bước 2: Chọn biến trễ tối ưu cho mơ hình, phương pháp thơng thường nhất là
ước lượng mơ hình véc tơ hồi quy (VAR) sau đó chọn chức năng kiểm định biến trễ. Có nhiều tiêu chuẩn để chọn biến trễ tối ưu, nhưng thông thường tiêu chuẩn Akaike information Criterion (AIC) được nhiều bài nghiên cứu trên thế giới sử dụng cho chuỗi thời gian.
Bước 3: Chọn mơ hình kiểm định phù hợp, các mơ hình này đã được tích hợp
sẵn trên Eview cho người sử dụng và lựa chọn mơ hình tối ưu nhất cho mình. Mặc dù mơ hình 1 và 5 thường không xảy ra trong thực tế nghiên cứu, tuy nhiên, tác giả vẫn đưa vào để đảm bảo tính đầy đủ của mơ hình:
Mơ hình 1: Khơng có hệ số chặn hay xu hướng trong đồng liên kết (CE) hay véc tơ hồi quy (VAR)
Mơ hình 2: Có hệ số chặn khơng xu hướng trong CE, không hệ số chặn hay xu hướng trong VAR
Mơ hình 3: Có hệ số chặn trong CE và VAR, không xu hướng trong CE và