- Khả năng phục hồi nhanh
PHƯƠNG PHÁP NGHIÊN CỨU
3.4.1.1 Mơ hình ước lượng ảnh hưởng của giao dịch chứng khoán phái sinh đến lợi nhuận của thị trường cơ sở
đến lợi nhuận của thị trường cơ sở
* Mơ hình OLS
Để đánh giá ảnh hưởng của giao dịch chứng khoán phái sinh lên lợi nhuận của thị trường cơ sở, dựa trên nền tảng cơ sở lý thuyết từ chương 2 và nhiều phương pháp nghiên cứu được trình bày ở các nghiên cứu thực nghiệm trước đó, tác giả nghiên cứu này trước hết sử dụng mơ hình hồi quy đa biến với phương pháp ước lượng bình phương bé nhất (OLS). Trong đó, biến độc lập chính của mơ hình nghiên cứu (giao dịch chứng khốn phái sinh) được phân tích ở khía cạnh là thời điểm giao dịch. Ngồi ra, một vài biến kiểm sốt được đưa vào mơ hình với kỳ vọng có thể giải thích cho sự biến động của thị trường cơ sở, xuất phát từ TTCK Việt Nam là không hiệu quả về mặt thông tin. Theo Trương Đông Lộc (2012), hiệu ứng ngày trong tuần được hiểu là lợi suất thị trường vào một vài ngày nào đó trong tuần cao hoặc thấp hơn một cách bất thường so với các ngày còn lại trong tuần. Đồng thời, nghiên cứu tìm thấy hiệu ứng ngày trong tuần tồn tại trên HOSE, cụ thể là giá cổ phiếu giảm vào ngày thứ Ba và tăng vào ngày thứ Sáu. Hơn nữa, một vài nghiên cứu cho thấy hiệu ứng tháng Giêng tồn tại trên TTCK Việt Nam, một số lý do được đưa ra như: khi bắt đầu năm mới, số
tiền thu được từ bán cổ phiếu của năm cũ sẽ được tái đầu tư; tâm lý nhà đầu tư vào tháng Giêng là thời điểm phổ biến để đầu tư tìm kiếm lợi nhuận thì những khoản tiền thưởng cuối năm, qua đó đẩy giá cổ phiếu lên cao. Trên cơ sở đó, mơ hình nghiên cứu thực nghiệm có dạng cụ thể như sau:
t Jt t t t t ft t D D D D D D R 11 2 2 3 3 4 4 5 5 6 t N(0,ht) (3.1) Trong đó,
Rt là lợi nhuận thị trường tại ngày t, được chuyển thành logarit tự nhiên từ dữ
liệu gốc để tạo ra một chuỗi thời gian của lợi nhuận gộp liên tục và được tính theo công thức như sau:
Rt log(Pt) log(Pt1)
Pt: giá đóng cửa chỉ số VN30-Index tại ngày t
Pt-1: giá đóng cửa chỉ số VN30-Index tại ngày t-1
Dft : biến giả để đánh giá ảnh hưởng của giới thiệu HĐTL chỉ số VN30-Index
(thời điểm ngày 10 tháng 08 năm 2017) lên lợi nhuận của thị trường cơ sở.
D2, D3, D4, D5 và DJ là những biến giả tương ứng với thứ Hai, thứ Ba, thứ Năm,
thứ Sáu và tháng Giêng (những biến này để kiểm soát hiệu ứng ngày trong tuần và hiệu ứng tháng Giêng có thể tồn tại trên HOSE).
t: sai số và giả định có phân phối chuẩn
* Mơ hình GARCH (1,1)
Như đã trình bày trước đó, do dữ liệu được sử dụng trong luận án là dữ liệu chuỗi thời gian, nên để đánh giá ảnh hưởng của giao dịch chứng khoán phái sinh đến lợi nhuận thị trường, tác giả kiểm tra tác động ARCH có thể tồn tại trong mơ hình. Mơ hình ARCH (1) có dạng như sau:
t
2 ht 2
t1
Hơn nữa, phương sai sai số có điều kiện có thể phụ thuộc vào nhiều độ trễ q nên mơ hình tổng qt có dạng ARCH (q). Có thể thực hiện kiểm định tác động ARCH thơng qua mơ hình hồi quy (các hệ số ước lượng của mơ hình khác 0 cho thấy có ảnh hưởng ARCH) hay thông qua quan sát giản đồ tự tương quan của chuỗi số liệu. Khi có tác động ARCH, ước lượng OLS sẽ không hiệu quả và phương sai ước lượng sẽ chệch. Do đó, Engle (1982) đề xuất ước lượng bằng MLE sẽ hiệu quả hơn.
Sau đó, mơ hình GARCH (1,1) được sử dụng trong luận án với những điều chỉnh cần thiết. Giá trị “1,1” trong mơ hình GARCH (1,1) chỉ ra rằng độ biến động (tỷ lệ phương sai) phụ thuộc vào quan sát gần nhất của 2 và ước lượng gần nhất của tỷ lệ phương sai. Mơ hình tổng qt GARCH (p,q) tính tốn độ biến động từ những quan
88
sát p gần nhất trên 2 và những ước lượng q gần nhất trên tỷ lệ phương sai. Nếu p = 0, khi đó mơ hình thành ARCH. Mơ hình GARCH (1,1) cho đến nay là phổ biến nhất của các mơ hình GARCH, là cách biểu diễn thu gọn của ARCH (q) với q .
Dựa vào những lập luận trên, mơ hình ước lượng cụ thể đánh giá lợi nhuận thị trường cơ sở sau khi giao dịch chứng khoán phái sinh theo cách tiếp cận này có dạng cơng thức như sau:
t Jt t t t t ft t D D D D D D R 11 2 2 3 3 4 4 5 5 6 t N(0,ht) (3.2) 2 1 1 1 t t t h h (3.3) Trong đó,
ht : phương sai có điều kiện của sai số t 1
2
: độ trễ bình phương sai số.
: tác động ARCH
: tác động GARCH
Đây là dạng mơ hình thường được sử dụng cho các mục đích ước lượng tham số. Để có được mơ hình GARCH (1,1) ổn định, yêu cầu 1, nếu không, trọng số
được áp dụng cho phương sai dài hạn là âm.
Nếu kết quả ước lượng chỉ ra hệ số hồi quy 1 có ý nghĩa thống kê, điều đó cho
Bảng 3.2. Diễn giải các biến sử dụng trong mơ hình ảnh hưởng của giao dịch chứng khốn phái sinh đến lợi nhuận TTCK cơ sở
Ký hiệu Mô tả biến Phương pháp đo lường Dấu kỳ vọng
Dft Giới thiệu HĐTL chỉ số
VN30-Index Biến giả, nhận giá trị 1 nếu quan sát t tại thời điểm sau khi giới thiệu HĐTL chỉ số VN30-Index, ngược lại bằng 0.
+
D2 Thứ Hai Biến giả, nhận giá trị 1 nếu
quan sát t là vào thứ Hai, ngược lại bằng 0.
-
D3 Thứ Ba Biến giả, nhận giá trị 1 nếu
quan sát t là vào thứ Ba, ngược lại bằng 0.
-
D4 Thứ Năm Biến giả, nhận giá trị 1 nếu
quan sát t là vào thứ Năm, ngược lại bằng 0.
+
D5 Thứ Sáu Biến giả, nhận giá trị 1 nếu
quan sát t là vào thứ Sáu, ngược lại bằng 0.
+
DJt Hiệu ứng tháng Giêng Biến giả, nhận giá trị 1 nếu
quan sát t là vào tháng Giêng, ngược lại bằng 0.
+