CHƢƠNG 2 PHƢƠNG PHÁP NGHIÊN CỨU
2.3. PHƢƠNG PHÁP PHÂN TÍCH SỐ LIỆU
2.3.1. Dữ liệu
-Dữ liệu giá cổ phiếu được thu thập từ Sở Giao dịch chứng khoán Hà Nội và Sở Giao dịch chứng khốn Thành phố Hồ Chí Minh. Chỉ số HNX và VNI được lựa chọn để đại diện cho thị trường chứng khốn.
-Ngồi nghiên cứu trường hợp chỉ số thị trường, đề tài thực hiện nghiên
cứu đối các nhóm ngành ở Việt Nam. Các cổ phiếu có khối lượng giao dịch lớn nhất sẽ được chọn theo 20 nhóm ngành. Do giới hạn về thời gian, đề tài chỉ thực hiện nghiên cứu trên 5 (hoặc 10) mã cổ phiếu của mỗi nhóm ngành. Mặc dù chưa thực sự thể hiện đầy đủ đặc trưng cho mỗi ngành, tuy nhiên tác
giả cho rằng số lượng cổ phiếu lựa chọn đã tương đối phù hợp và có ý nghĩa nhất định.
-Tỷ giá VND/USD được chọn đại diện cho cho thị trường ngoại tệ do tỷ
trọng giao dịch lớn. Giá thu thập là giá bán đồng 50 USD của Ngân hàng thương mại cổ phẩn Á Châu.
-Giá vàng của Công ty trách nhiệm hữu hạn một thành viên đá quý Sài Gòn SJC được chọn đại diện cho thị trường vàng bởi thị phần tới 95% thị trường vàng. Hiện nay vàng SJC đã được lựa chọn là thương hiệu vàng quốc gia. Giá lựa chọn là giá bán 1 lượng vàng được giao dịch trên website của Ngân hàng thương mại cổ phẩn Á Châu.
Thời gian lựa chọn là từ 1/1/2008 đến 30/9/2015. Do một số cổ phiếu phát hành sau thời gian 1/1/2008, nên tác giả sẽ thực hiện lựa chọn thời điểm trước ngày 1/1/2010 để đảm bảo số lượng mẫu quan sát.
Tất cả dữ liệu sau đó được lược giảm thành dữ liệu theo tuần để loại bỏ yếu tố mùa vụ. Các chuỗi lợi suất sẽ được tính logarit để phù hợp với các mơ hình tài chính theo cơng thức: ri= ln(Pt/Pt-1) với Pt là giá tại thời điểm t.
2.3.2. Phƣơng pháp phân tích dữ liệu
2.3.2.1. Phân tích thơng kê mơ tả
Kỹ thuật này được sử dụng để phân tích ban đầu về dữ liệu. Các hệ số được sử dụng bao gồm: giá trị trung bình, phương sai, độ lệch chuẩn, giá trị lớn nhất, giá trị nhỏ nhất, độ nhọn, độ lệch. Kết quả phân tích có ý nghĩa nhất định cho kết quả nghiên cứu của đề tài
Kiểm định tính dừng:mơ hình kinh tế sẽ cho kết quả tốt khi được phân tích trên các dữ liệu dừng. Một chuỗi thời gian là dừng khi giá trị trung bình, phương sai, hiệp phương sai (tại các độ trễ khác nhau) không đổi tại bất kỳ điểm xác định, thông thường được thực hiện bằng kiểm định ADF test. Để có kết quả nghiên cứu tốt nhất, đề tài chỉ sử dụng các dữ liệu dừng.
Kiểm định phân phối chuẩn: Khi mơ tả sự phụ thuộc giữa các biến, các mơ hình truyền thống xem xét mối quan hệ tuyến tính giữa các biến với giả thuyết dữ liệu tuân theo phân phối chuẩn. Mặc dù vậy, trong tài chính, giả thuyết này thường hay bị bác bỏ bởi đặc điểm tự tương quan và tự hồi quy của chuỗi dữ liệu. Kiểm định phân phối chuẩn được sử dụng phổ biến bằng thống kê Jarque-Bera. Kết quả thống kê là một cơ sở cho kết quả của đề tài.
2.3.2.2. Xây dựng các hàm phân phối biên (marginal distribution).
Việc sử dụng phương pháp này nhằm đưa ra một quy luật chung nhất cho chuỗi dữ liệu.Để đơn giản thông thường người ta giả sử chuỗi thời giản tuân theo phân phối chuẩn N(0,1).Tuy vậy, các nghiên cứu khi thực hiện với các chuỗi lợi suất tài chính đơn biến cho rằng phân phối biên thường có dạng mơ hình tự hồi quy tuyến tính trượtlà các ARMA(m,n)-GARCH(p,q). Điều này hàm ý rằng giá của tài sản hôm nay phụ thuộc vào giá thời kỳ trước đó, và giá của các tài sản khác.
Phương pháp thứ 2, các phân phối thực nghiệm được sử dụng thay thế các phân phối cận biên. Ưu điểm của phương án này đơn giản trong tính tốn do sử dụng giả quan sát.
a.Phương pháp cận biên.
Rong và Trueck (2014)[71] cho rằng vẫn có thể thực hiện trực tiếp từ biến quan sát, nhưng do đặc điểm sai số thay đổi (heteroscedastic) của biến lợi nhuận tài chính nên một mơ hình cấu trúc phụ thuộc sau khi loại bỏ tính tự hồi quy và sai số thay đổi thích hợp hơn. Điều này có nghĩa là mơ hình sẽ trở nên tốt hơn nếu loại bỏ được tính tự hồi quy và phương sai của sai số thay đổi. Cùng quan điểm này có Gregoire và cộng sự (2008)[43], Jondeau và Rockinger (2006)[48] và Patton (2006)[69].
Để khắc phục tính tự hồi quy và phương sai của sai số thay đổi của quan sát, dữ liệu sẽ được thiết lập theo mơ hình hồi quy trung bình
trượtARMA(m,n)-GARCH(p,q). Khi lựa chọn các phần tử của mơ hình ARMA(m,n)-GARCH(p,q), một số kết quả cho rằng ARMA(1,1)- GARCH(1,1) là mơ hình đơn giản phù hợp với dữ liệu tài chính và được lựa chọn phổ biến trong các nghiên cứu, chẳng hạn Brooks và Persand (2002)[31]
; Bollerslevvà cộng sự(1992)[30]. Trong khuôn khổ của nghiên cứu, tác giả
lựa chọn áp dụng mơ hình ARMA(1,1)-GARCH(1,1) để thể hiện phân phối biên của dữ liệu.
b. Phương pháp thực nghiệm
Mặc dù lợi ích từ việc sử dụng phương pháp cận biên trong việc hạn chế tính tự hồi quy và phương sai thay đổi của dữ liệu, tuy nhiên việc sử dụng các phương pháp này có nhược điểm là các thủ tục tính tốnmang tính tốnchun sâu và tốn nhiều thời gian.Yan (2007)[83] đề xuất một phương pháp khác để xây dựng các mơ hình Copula. Theo đó, các biến quan sát ban đầu (Xi1,Xi2...) sẽ được biến đổi thành giả quan sát (Uix, U2x), sau đó được sử dụng để thiết lập mơ hình với
Uix= thứ hạng của Xi1/(độ dài của mẫu quan sát+1)
Phương pháp này sử dụng các phân phối xác suất tích lũy thực nghiệm thay vì phân phối cận biên. Gregoirevà cộng sự (2008)[43] cũng sử dụng phương pháp này.
2.3.2.3.Phƣơng pháp ƣớc lƣợng
Sau khi xây dựng được các biên, việc tiếp theo là ước lượng tham số cho mơ hình copula. Thơng thường có các phương pháp : itau (đảo ngược hệ số tau), irho (đảo ngược hệ số spearman); ml (hợp lý cực đại), và mpl (hợp lý cực đại với biến giả). Trong đó ML và MPL là hai phương pháp được sử dụng nhiều nhất, riêng phương pháp MPL áp dụng cho trường hợp là biến giả, tương ứng với phương pháp thực nghiệm.
Một vấn đề đặt ra khi thiết lập các họ mơ hình, sẽ có trường hợp có nhiều hơn một mơ hình phù hợp mơ tả được cấu trúc phụ thuộc. Để lựa chọn được mơ hình phù hợp nhất, thông thường người ta sử dụng thống kê GoF. GoF đo lường khoảng cách giữa mơ hình được thiết lập so với mơ hình thực nghiệm.
Giả thuyết Hi0: Dữ liệu đã cho phù hợp với mơ hình Copula Đối thuyết H1: Dữ liệu đã cho khơng phù hợp với mơ hình Copula ( với i= 1-5, là các mơ hình Copula tương ứng)
Để nhận định rằng mơ hình Copula đang xem xét có cung cấp một một cấu trúc phụ thuộc tốt hay không chúng ta kỳ vọng một giá trị p-value cao và ngược lại, với một giá trị p-value thấp, Copula đang xem xét không mô tả đúng cấu trúc phụ thuộc.
2.3.2.5.Kiểm định Christoffersen
Kiểm định Christoffersen(Christoffersen, 1998)[33] tập trung vào xác suấtcủatỷ lệ thất bại của mơ hình. So với kiểm định khơng điều kiện Kupiec, kiểm định Christoffersen mở rộng thêm kiểm định tính độc lập của những thua lỗ vượt qua VaR dự báo.
Do đặc điểm về thời gian của một số cổ phiếu phát hành sau ngày 1/1/2008, nên không đủ 385 quan sát. Đối với các cổ phiếu phát hành trước ngày 1/1/2008 tác giả sẽ thực hiện ước lượng thực hiện tính tốn và kiểm tra 185 kết quả tính tốn VaR từ mơ hình Copula. Đối với các cổ phiếu còn lại phát hành trước ngày 1/10/2010, tác giả sẽ thực hiện kiểm tra 149 kết quả tính tốn VaR. Với mức ý nghĩa alpha 5%, tương đương khả năng tổn thất 5% của phân phối thu nhập. Chương trình kiểm tra được thực hiện trên phần mềm R. Mã chương trình dựa trên mã chương trình kiểm tra của Roy (2011)[72]với độ tin cậy 0,95. Khi giá trị LR có điều kiện vượt quá giá trị tới hạn thì mơ hình VaR bị hủy bỏ.
Các kỹ thuật ước lượng được sử dụng trên phần mềm thống kê R và các ứng dụng package như : “copula, rugarch, rmgach, MASS, QRM, fExtremes, PerformanceAnalytics...”
Để có kết quả phân tích tốt nhất khi thiết lập các mơ hình, các bước tiến hành được thực hiện trình tự như sau:
1. Sử dụng kiểm định ADF (giả thuyết H0: chuỗi dữ liệu khơng dừng) để kiểm tra tính dừng của các biến và thống kê Jarque-Bera (H0 : chuỗi dữ liệu tuân theo phân phối chuẩn). Đề tài chỉ sử dụng chuỗi dữ liệu dừng trong nghiên cứu để đảm bảo kết quả ước lượng chính xác và có ý nghĩa thống kê.
2. Ước lượng hệ số phụ thuộc Spearman’rho và hệ số Kendal’tau
3. Xây dựng các phân phối biên
a. Sử dụng phương pháp cận biên
b. Sử dụng phương pháp thực nghiệm
4. Ước lượng các hệ số phụ thuộc của mơ hình Copula.
5. Thực hiện kiểm định thống kê GoF để xác định Copula phù hợp. Lựa chọn mơ hình tốt nhất dựa các tiêu chí : giá trị p-value thống kê GoF lớn nhất, giá trị LLH lớn nhất, giá trị AIC nhỏ nhất và BIC nhỏ nhất.
6. Tạo quan sát và tính tốn giá trị VaR từ mơ hình Copula tối ưu
7. So sánh giá trị VaR tính theo phương pháp lịch sử và thực hiện kiểm tra bằng kiểm định Christoffersen.
8. Kết luận
KẾT LUẬN CHƢƠNG 2
Nội dung chương đã xây dựng các giả thuyết về sự phụ thuộc của các thị trường theo đặc điểm của các mơ hình Copula cơ bản. Tiếp theo,nơi dung chương trình bày các phương pháp trong việc thiết lập hệ số mơ hình Copula. Đầu tiên các phân phối thực nghiệm và phân phối cận biên sẽ được ước lượng cho các chuỗi dự liệu tài chính và sau đó sử dụng các hàm Copula để liên kết
với nhau. Các phương pháp so sánh và kiểm định tính thích hợp của mơ hình cũng đã được trình bày kế tiếp. Phần cuối của chương đã giới thiệu về ứng dụng trong tính tốn giá trị tổn thất rủi ro và tiêu chuẩn kiểm định lại kết quả tính tốn nhằm chứng minh tính hữu hiệu của mơ hình Copula được áp dụng.
CHƢƠNG 3. KẾT QUẢ PHÂN TÍCH CẤU TRÚC PHỤ THUỘC CỦATHỊ TRƢỜNG CHỨNG KHỐN, THỊ TRƢỜNG VÀNG, VÀ THỊ
TRƢỜNG NGOẠI TỆ 3.1. KẾT QUẢ PHÂN TÍCH SƠ BỘ
3.1.1. Các phân tích thống kê cơ bản
Bảng 3.1. Kết quả phân tích thống kê Mean Std. Dev. Skewness Kurtosis Jarque-Bera Probability Observations ADF Test Prob. ARCH test-p (Nguồn: tính tốn của tác giả)
Bảng 3.1 cho thấy: vàng, USD đem lại mức sinh lời tốt hơn so với chứng khốn khi có trung bình thu nhập từ năm 2008 đến nay dương. Điều này cũng cho thấy rằng, nắm giữ vàng hoặc USD giúp giảm bớt khoản thua lỗ cho các nhà đầu tư chứng khoán.
Chỉ số VNI, HNX phân bổ nhiều hơn về bên trái trong khi vàng và USD có phân phối lệch phải. Với một hệ số đọ nhọn lớn, hàm ý rằng việc đầu tư vào vàng và USD đem lại lợi nhuận cho nhà đầu tư cao hơn khi thị trường tăng giá.Kết quả phân tích thống kê của tất cả các cổ phiếu được trình bày tại phụ lục A. Trong giới hạn của bài viết, tác giả chỉ thể hiện một số kết quả đại diện trong bảng 3.2 dưới đây.
Bảng 3.2. Kết quả phân tích thống kê một số cổ phiếu Mean Std. Dev. Skewness Kurtosis Jarque-Bera 1.059.580 Probability Obs. ADF test Prob. ARCH test-p
(Nguồn: tính tốn của tác giả)
Kết quả từ bảng 3.1 và 3.2 cho thấy kiểm định Jarque-Bera của hầu hết các cổ phiếu được chọn đều bác bỏ giả thuyết phân phối chuẩn tại mức ý nghĩa 1%. Với mức ý nghĩa 5% chỉ có các cổ phiếu SHS (ngành chứng khốn), KSA(ngành khoáng sản), VCB(ngân hàng), cổ phiếu DCS, HAP và SAM (ngành sản xuất kinh doanh), cổ phiếu VIP (ngành vận tải), VHG(ngành thương mại), cổ phiếu HUT, PXS và HCG (nhóm ngành xây dựng) tuân theo phân phối chuẩn. Sản xuất kinh doanh và Xây dựng là hai nhóm ngành có nhiều cổ phiếu bác bỏ giả thuyết của kiểm định Jarque-Bera.Điều này cho thấy việc sử dụng giả thuyết lợi suất cổ phiếu tuân theo phân phối chuẩn là khơng chính xác, tương tự Patton(2006). Ngoài ra, điều này cũng thể hiện rằng các tương quan tuyến tính sẽ phản ảnh khơng đầy đủ phân phối chung của các tỷ suất sinh lợi theo Jondeau và Rockinger (2006).
Cũng theo bảng 3.1 và 3.2 cho thấy độ nhọn Kurtosis của các cổ phiếu đều lớn hơn 3, điều này cho thấy lợi suất của các cổ phiếu có xu hướng lệch phải. VIC là cổ phiếu có độ lệch lớn nhất.Độ lệch Skewness của các cổ phiếu
theo nhóm ngành cho thấy đều có cả độ lệch âm và độ lệch dương (tức là Skewness <0, và Skewness>0). Thủy sản là nhóm ngành duy nhất các cổ phiếu được chọn có độ lệch dương và độ nhọn trong khoảng từ 3-4,5. Điều này hàm ý rằng trong trường hợp coi lợi suất cổ phiếu tn theo phân phối chuẩn thì nhóm ngành thủy sản là nhóm ngành ít rủi ro nhất.
Giá trị ADF test được trình bày trong các bảng 3.1, 3.2 và phụ lục A thể hiện kết quả giá trị tới hạn của kiểm định tính dừng ADF (Augmented Dickey-Fuller). Giá trị p-value thể hiện mức ý nghĩa bác bỏ giả thuyết H0 , chấp nhận đối thuyết. Với giá trị bằng 0 đối với tất cả các chuỗi số liệu, điều này cho thấy ở mức ý nghĩa 5 % việc sử dụng chuỗi giá trị đều có ý nghĩa.
Ở mức ý nghĩa 5%, kết quả kiểm định ARCH cho thấy hầu hết các chuỗi lợi suất của các cổ phiếu tồn tại hiện tượng phương sai thay đổi ARCH. Kiểm định (ARCH- test) cho thấy các cổ phiếu có số quan sát ít (249 quan sát ) thường chấp nhận giả thuyết H0 về khơng có hiện tượng của sai số thay đổi, trong khi các cổ phiếu có số quan sát lớn (385 quan sát) thường bác bỏ giả thuyết này. Mặc dù vậy, các cổ phiếu nhóm ngành Chứng khốn lại là ngoại lệ khi bác bỏ giả thuyết H0 với 249 quan sát. Điều này cho thấy việc phân vào nhóm ngành các cổ phiếu đã phản ánh đặc điểm chung giống nhau ở một mức độ nhất định.
3.1.2. Hệ số tƣơng quan
So sánh ba hệ số tương quan tại bảng 3.3 dưới đây cho thấy phương pháp Kendall và Spearman tính tốn các hệ số tương quan thấp hơn so với việc xem xét hệ số tương quan Pearson hiện đang được sử dụng. Kết quả cho thấy rằng chỉ số VNI có mức tương quan dương với vàng trong khi chỉ số HNX lại cho một hệ số tương quan âm. Kết quả này thể hiện sự biến động cùng chiều giữa vàng và VNI.Tuy vậy, hệ số tương quan giữa vàng và VNI, HNX là khá thấp.Đối với USD, chỉ số VNI và HNX đều cho hệ số tương quan
âm. Điều này cho thấy chứng khốn có biến động ngược chiều với USD.
Bảng 3.3. Hệ số tƣơng quan
(Nguồn: tính tốn của tác giả)
Hầu hết các cổ phiếu có tương quan âm yếu đối với VVN và USD khi hệ số tương quan khá nhỏ, đều dưới 10%. Trong số cổ phiếu các nhóm ngành có
21 cổ phiếu có hệ số tương quan dương với chỉ số VVN, và 12 cổ phiếu có tương quan dương với tỷ giá USD. Trong đó, cổ phiếu TRC, HRC (nhóm ngành cao su), NCB(ngành khống sản), DTL (ngành thép) có tương quan dương với cả 2 chỉ số VVN và USD.
Ngành thủy sản, thương mại, thép, cao su có số nhiều cổ phiếu tương quan dương so với USD. Điều này có thể thấy rằng doanh thu từ các hoạt động của các ngành này chịu tác động của tỷ giá bởi hầu hết doanh thu từ hoạt động xuất khẩu. Ngành chứng khoán, du lịch, giáo dục, năng lượng, ngân
hàng, dầu khí,nhựa, sản xuất kinh doanh, vận tải, vật liệu xây dựng, xây dựng các cổ phiếu đều có tương quan âm với VVN, và USD. Ngành bất động sản, cao su, khống chất, thép, cơng nghệ có tương quan dương với vàng.
3.2. PHÂN TÍCH THỰC NGHIỆM3.2.1. Ƣớc lƣợng mơ hình phụ thuộc 3.2.1. Ƣớc lƣợng mơ hình phụ thuộc
Bảng 3.4. Kết quả ƣớc lƣợng hệ số các mơ hình Copula Cổ phiếu VNI- phương pháp thực nghiệm VNI- phương pháp cận biên HNX- phương pháp thực nghiệm HNX- phương pháp
Kết quả ước lượng hệ số và mơ hình Copula giữa chỉ số đại diện thị trường và giá vàng, tỷ giá VND/USD được giới thiệu tại bảng 3.4. Kết quả cho thấy hệ số GoF của mơ hình t-Copula lớn hơn 5%. Điều này cho thấy không đủ cơ sở để bác bỏ giả thuyết H2- về sự phù hợp với mơ hình Copuala. Trong khi đó hệ số GoF của các copula còn lại đều thấp hơn 5%, dẫn đến bác bỏ giả thuyết về dữ liệu phù hợp với mơ hình tương ứng. Bên cạnh đó, mơ