CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.1 Dữ liệu nghiên cứu
Bài nghiên cứu này xem xét tác động của các biến số kinh tế vĩ mô lên tỷ suất sinh lợi cổ phiếu của 5 TTCK mới nổi gồm Việt Nam, Thái Lan, Indonesia, Malaysia, Philippines. Do hạn chế của tác giả, có những chuỗi dữ liệu tác giả tìm đƣợc trong thời gian rất dài nhƣng cũng có chuỗi dữ liệu lại khơng tìm đƣợc đầy đủ số thời gian nhƣ mong muốn. Để đồng bộ hóa tồn bộ các chuỗi dữ liệu trong bài, tác giả sử dụng dữ liệu chuỗi theo tháng trong giai đoạn từ tháng 1/2007 đến tháng 9/2013. Giai đoạn này chứa đựng khoảng thời gian mà các quốc gia đang phải gánh chịu tác động của cuộc khủng hoảng tồn cầu, do đó có thể xem xét rõ ràng hơn phản ứng của TTCK các nƣớc với những biến động vĩ mô.
Theo các lý thuyết cũng nhƣ để phù hợp với đặc thù kinh tế của các quốc gia khu vực ASEAN đã đƣợc chọn nghiên cứu, 5 nhân tố vĩ mô đƣợc chọn để xem xét mối tƣơng quan với tỷ suất sinh lợi TTCK: chỉ số giá tiêu dùng đại diện cho lạm phát, lãi suất tiền gửi huy động của dân cƣ, chỉ số sản xuất công nghiệp đại diện cho hoạt động kinh tế thực, cung tiền M2 , chỉ số tỷ giá hối đoái các quốc gia tỷ giá hối đoái (giá đồng nội tệ mua 1 USD) dựa trên tỉ giá năm 2006 làm năm gốc. Tất cả các biến số đƣợc đo lƣờng bằng tỷ lệ thay đổi thay vì giá trị tuyệt đối. Để đảm bảo sự tin cậy, nguồn dữ liệu của các yếu tố kinh tế vĩ mơ đƣợc thu thập theo tháng từ nguồn uy tín nhƣ Ngân hàng Phát triển châu Á (ADB) và Hệ thống cơ sở dữ liệu các chỉ tiêu tài chính của Quỹ tiền tệ Quốc Tế (IFS-IMF). Dữ liệu thể hiện tình hình của TTCK là chỉ số VN-Index (Việt Nam), SET Index (Thái Lan), JKSE - Jakarta Composite Index (Indonesia), KLSE - FTSE Bursa Malaysia KLCI Index (Maylaysia), PSEi Index (Philippines). Các chỉ số theo tháng đƣợc tính là giá đóng cửa ngày giao dịch cuối cùng trong tháng. Dữ liệu này đƣợc thu thập từ Ủy ban chứng khoán nhà nƣớc Việt Nam; Ủy ban chứng khoán Thái Lan, Cơ quan các Dịch vụ Tài chính Quốc Gia Indonesia (Indonesian Financial Services Authority); Ủy ban Chứng khoán Malaysia; Ủy ban Chứng khốn Philippines.
3.2 Mơ hình các biến:
3.2.1 Biến phụ thuộc: Tác giả sử dụng biến phụ thuộc là tỷ suất sinh lời của các chỉ số chứng khoán hàng tháng để đo lƣờng mức độ biến động của giá cổ phiếu các chỉ số chứng khoán hàng tháng để đo lƣờng mức độ biến động của giá cổ phiếu trên các thị trƣờng vào cuối mỗi tháng.
Tên biến Định nghĩa
Tỷ suất sinh lợi TTCK (R)
lnRit = ln(Indexi,t / Indexi,t-1) là ln của chỉ số TTCK quốc gia i kỳ t/ chỉ số TTCK quốc gia i kỳ t-1
3.2.2 Biến độc lập
STT Tên biến Định nghĩa
1
Tỷ lệ thay đổi chỉ số giá tiêu dùng (CPI)
lnCPIit = ln (CPIi,t/CPIi,t-1) là ln của chỉ số giá tiêu dùng quốc gia i kỳ t/ chỉ số giá tiêu dùng quốc gia i kỳ t-1
2
Tỷ lệ thay đổi lãi suất (ITR)
lnITRit = ln(ITRi,t/ITRi,t-1) là ln của lãi suất tiền gửi dân cƣ của quốc gia i kỳ t/ lãi suất tiền gửi dân cƣ của quốc gia i kỳ t-1
3
Tỷ lệ tăng trƣởng sản xuất công nghiệp (IPI)
lnIPit = ln (IPIi,t/IPIi,t-1) là ln của chỉ số sản xuất công nghiệp quốc gia i kỳ t/ chỉ số sản xuất công nghiệp quốc gia i kỳ t-1
4
Tỷ lệ tăng trƣởng cung tiền (M2)
lnM2it = ln(M2i,t/M2i,t-1) là ln của cung tiền M2 quốc gia i kỳ t/ cung tiền M2 quốc gia i kỳ t-1
5 Tỷ lệ thay đổi
tỷ giá hối đoái (EXR)
lnEXRit = lg(EXRi,t/EXRi,t-1) là ln của tỷ giá hối đoái quốc gia i kỳ t/ tỷ giá hối đoái quốc gia i kỳ t-1
Dựa trên các bằng chứng thực nghiệm tồn tại mối quan hệ có ý nghĩa giữa các nhân tố vĩ mô nhƣ lạm phát, lãi suất, sản lƣợng công nghiệp, cung tiền, tỷ giá lên các
thị trƣờng đang phát triển đặc biệt là các quốc gia thuộc Hiệp hội các quốc gia Đông Nam Á - ASEAN trong bài nghiên cứu củaWongbangpo P, Subhash CS, (2002) và đo thuận tiện cho việc nghiên cứu tác giả nghiên cứa ở 5 quốc gia: Việt Nam, Thái Lan, Indonesia, Malaysia và Philippines.
Chỉ số lạm phát đƣợc biểu hiện chủ yếu bằng chỉ số giá tiêu dùng. Theo quan điểm lạm phát có tƣơng quan đến tỷ lệ chiết khấu nên sự thay đổi trong chỉ số giá tiêu dùng cũng sẽ tác động đến giá chứng khoán. Khi chỉ số giá tiêu dùng gia tăng, doanh nghiệp phải chi nhiều hơn cho chi phí sản xuất: chi phí nguyên vật liệu, chi phí nhân cơng, chi phí sử dụng vốn… kéo giá vốn hàng bán tăng theo, nguồn đầu ra của sản phẩm sẽ gặp khó khăn, làm lợi nhuận kinh doanh giảm dẫn đến việc việc sụt giảm trong giá cổ phiếu đang lƣu hành. Tuy nhiên cũng có nghiên cứu cho rằng giá cổ phiếu trong điều kiện bình thƣờng phản ánh đầy đủ lạm phát kỳ vọng do đó tỷ lệ thay đổi chỉ số giá tiêu dùng có tƣơng quan dƣơng với tỷ suất sinh lợi TTCK.
Lãi suất có tƣơng quan dƣơng với chi phí đầu vào của doanh nghiệp, tƣơng quan âm với dịng tiền vào của doanh nghiệp do đó sẽ tác động đến giá chứng khốn và tỷ suất sinh lợi.
Theo lý thuyết, tăng trƣởng GDP là biến đại diện tốt hơn sản lƣợng công nghiệp, tuy nhiên do hạn chế không thu thập đƣợc số liệu GDP theo tháng của một số quốc gia đƣợc xem xét nên sản lƣợng công nghiệp đƣợc chọn để thay thế. Tỷ lệ tăng trƣởng sản xuất công nghiệp thể hiện sự tăng trƣởng trong hoạt động kinh tế thực. Những thay đổi của lĩnh vực sản xuất phản ánh nền kinh tế đang mở rộng do đó các doanh nghiệp sẽ có nhiều cơ hội gia tăng doanh thu, thu nhập từ đó ảnh hƣởng đến tỷ suất sinh lợi của cổ phiếu, tỷ suất sinh lợi TTCK.
Cung tiền: sử dụng số liệu cung tiền M2, tỷ lệ tăng trƣởng cung tiền M2 là biến số thể hiện sự thay đổi trong tổng phƣơng tiện thanh toán của quốc gia. M2 có tƣơng quan dƣơng đến lạm phát và tƣơng quan âm với tiêu dùng, nên M2 có tƣơng quan đến tỷ suất sinh lợi TTCK.
Dữ liệu tỷ giá hối đoái đƣợc sử dụng là tỷ giá giữa đồng tiền các quốc gia nghiên cứu với đồng đơ la Mỹ vì hiện nay đồng đơ la Mỹ là đồng tiền có mức độ phổ
biến nhất trong các hoạt động kinh tế, thƣơng mại tại các quốc gia đƣợc nghiên cứu. Biến số này tác động lên khả năng cạnh tranh của doanh nghiệp nên sẽ có tác động lên TTCK. Ngồi ra, tỷ giá hối đối cũng tác động lên dịng vốn đầu tƣ nƣớc ngồi từ đó gây áp lực lên cung, cầu chứng khoán nên sẽ tác động lên TTCK
Bảng 3.2.2 Kỳ vọng mối tƣơng quan giữa nhân tố vĩ mô và tỷ suất TTCK
STT Biến vĩ mô
Kỳ vọng mối quan
hệ với tỷ suất sinh lợi TTCK
1 Tỷ lệ tăng trƣởng sản xuất công nghiệp +
2 Tỷ lệ thay đổi trong chỉ số giá tiêu dùng +/-
3 Tỷ lệ thay đổi lãi suất +/-
4 Tỷ lệ tăng trƣởng cung tiền +/-
5 Tỷ lệ thay đổi tỷ giá hối đối +/-
3.3 Mơ hình nghiên cứu.
Tƣơng tự nhƣ bài nghiên cứu của Mahmudul Alam and Gazi Salah Uddin (2009) hay bài nghiên cứu của Ye Bai and Christopher J. Green (2011). Tác giả kiểm định sự tƣơng quan của việc thay đổi chỉ số giá tiêu dùng, lãi suất, thay đổi của chỉ số sản xuất công nghiệp,cung tiền M2 và tỷ giá hối đoái lên tỷ suất sinh lợi thị trƣờng mới nổi đƣợc ƣớc lƣợng hồi quy tuyến tính bằng dữ liệu bảng (Panel data regression models). Phƣơng trình hồi quy đƣợc sử dụng:
lnRit = β0 +β1lnCPIit+ β2lnITRit + β3 lnIPIit + β4lnM2it + β5 lnEXRit + uit (1) Với i = 1, 2, 3, 4, 5 và t = 1, 2, …, 80
Dữ liệu bảng còn đƣợc gọi bằng các tên khác nhƣ là dữ liệu gộp chung là các quan sát về một chỉ tiêu nào đó sẽ bao gồm quan sát chéo và quan sát theo thời gian. Dữ liệu bảng là dữ liệu có 2 chiều: chiều khơng gian và chiều thời gian. Do đó, các mơ hình hồi quy dựa vào các dữ liệu này là đƣợc gọi là mơ hình hồi quy dữ liệu bảng. Ƣu điểm của dữ liệu bảng là: Nghiên cứu đƣợc sự khác biệt giữa các đơn vị chéo mà trƣớc đây chúng ta hay sử dụng các biến giả; Nâng cao đƣợc số quan sát của
mẫu và phần nào khắc phục đƣợc hiện tƣợng đa cộng tuyến; Chứa đựng nhiều thông tin hơn các dữ liệu khác; Nghiên cứu đƣợc động thái thay đổi của các đơn vị chéo theo thời gian;
Các mơ hình hồi quy dữ liệu bảng có 3 cách tiếp cận cơ bản theo các nghiên cứu của Judge và cộng sự (1985) và Hsiao (1986) gồm POOL - phƣơng pháp hồi quy kết hợp tất cả các quan sát, FEM - phƣơng pháp hồi quy các yếu tố ảnh hƣởng cố định và REM – phƣơng pháp hồi quy theo các yếu tố ảnh hƣởng ngẫu nhiên.
Tuy nhiên phƣơng pháp hồi quy kết hợp POOL đơn giản nhƣng lại hạn chế do bỏ qua các đặc tính khơng gian và thời gian của dữ liệu nên chƣa phản ánh đầy đủ mối quan hệ giữa biến phụ thuộc và các biến độc lập, hơn nữa hồi quy theo POOL có thể có sự tự tƣơng quan trong dữ liệu. Do đó, FEM và REM đƣợc sử dụng để giải quyết vấn đề này. Và để kiểm định mơ hình nào sẽ phù hợp nghiên cứu này sẽ sử dụng kiểm định Hausman (1978) để lựa chọn giữa hai mơ hình FEM và REM.
3.3.1 Mơ hình hồi quy kết hợp (Pool regrestion model - POOL):
Mơ hình POOL là mơ hình hồi quy sử dụng dữ liệu bảng cơ bản nhất. Mơ hình này giả định tất cả các hệ số đều không đổi theo thời gian và các quốc gia. Tung độ gốc khơng đổi và hệ số gốc khơng đổi. Có thể hiểu mơ hình gộp POOL là mơ hình đƣợc hồi quy bằng cách sử dụng tất cả dữ liệu xếp chồng không phân biệt từng quốc gia. Cách tiếp cận này đơn giản nhất vì đã bỏ qua bình diện khơng gian và thời gian của dữ liệu kết hợp và chỉ ƣớc lƣợng hồi quy OLS thông thƣờng. Với từng quốc gia, mỗi sai số là ảnh hƣởng của yếu tố không quan sát đƣợc và không thay đổi theo thời gian và đặc trƣng cho mỗi quốc gia.
Phƣơng trình hồi quy nhƣ sau:
lnRit = β0 +β1lnCPIit+ β2lnITRit + β3 lnIPIit + β4lnM2it + β5 lnEXRit + uit (2)
Trong đó:
• β0 β1 β2 β3 β4 β5: hằng số không thay đổi theo i hay t, là hệ số hồi quy thể hiện mối tƣơng quan giữa các nhân tố vĩ mô và tỷ suất sinh lợi TTCK.
• uit: sai số của phƣơng trình bao gồm sai số do ảnh hƣởng của yếu tố không quan sát đƣợc, do đặc trƣng của quốc gia và những thay đổi theo thời gian.
Mơ hình đƣợc ƣớc lƣợng bằng phƣơng pháp bình phƣơng bé nhất. Vì trên thực tế các giai đoạn quan sát mẫu sẽ khác nhau và những quốc gia trong mẫu cũng có những đặc thù riêng, cho nên sẽ cho ra các hệ số gốc khác nhau. Do đó mơ hình này có thể bỏ qua những khác biệt giữa các quốc gia, giữa các thời gian quan sát. Nó có thể đã bóp méo mối quan hệ giữa X và Y trong mơ hình và có thể sẽ làm sai lệch đi mối quan hệ thực tế giữa Y và các biến số X của các quan sát mẫu.
3.3.2 Mơ hình hồi quy các ảnh hƣởng cố định (Fixed effect model –FEM):
Mơ hình FEM giả định rằng hệ số gốc là khơng đổi theo thời gian và các quốc gia trong mơ hình, hệ số trục tung khác nhau theo từng quốc gia nhƣng không thay đổi theo thời gian. Phƣơng trình (1) có thể đƣợc viết lại là:
lnRit = β0i +β1lnCPIit+ β2lnITRit + β3 lnIPIit + β4lnM2it + β5 lnEXRit + uit (3)
Trong đó:
•Hệ số chặn β0i thay đổi cho các quốc gia trong mơ hình, phản ảnh những ảnh hƣởng không đồng nhất từ các biến không quan sát đƣợc giữa các quốc gia
•uit là sai số của mơ hình và có phân phối chuẩn N(0,se2).
Đây là một cách riêng để xem xét đặc điểm riêng của từng quốc gia theo không gian bằng cách để cho tung độ gốc thay đổi theo từng quốc gia nhƣng vẫn giả định rằng các hệ số độ dốc là hằng số đối với các quốc gia. Ký hiệu i ở số hạng tung độ gốc cho thấy rằng các tung độ gốc của 5 quốc gia có thể khác nhau; sự khác biệt có thể là do đặc điểm riêng của từng quốc gia nhƣ vị trí địa lý, tài nguyên thiên nhiên, dân số… Mơ hình (3) đƣợc gọi là mơ hình các ảnh hƣởng cố định (Fixed Effects Model, FEM) hay mơ hình hồi quy biến giả bình phƣơng tối thiểu (Least Square Dummy Variable, LSDV) hay là mơ hình đồng phƣơng sai với X2, X3, X4, X5 là các biến đồng phƣơng sai. Tung độ gốc thay đổi theo i và hệ số góc khơng đổi. Ý nghĩa thuật ngữ ảnh hƣởng cố định là dù tung độ gốc có thể khác nhau theo từng quốc gia nhƣng tung độ gốc của mỗi quốc gia lại khơng thay đổi theo thời gian.
Ta có thể xem xét tung độ gốc đại diện cho những ảnh hƣởng cố định khác nhau ở từng quốc gia bằng cách sử dụng các biến giả. Cụ thể đƣa các biến giả đại diện cho
yếu tố quốc gia và thời gian vào các phƣơng trình hồi quy, cịn gọi là kỹ thuật biến giả tung độ gốc khác biệt. Ta viết lại phƣơng trình (3) nhƣ sau:
Yit = α1 + α2D2i + α3D3i + α4D4i + α5D5i + β1lnCPIit+ β2lnITRit + β3 lnIPIit + β4lnM2it + β5 lnEXRit + uit (4)
Trong đó:
D2i = 1 nếu quan sát thuộc Thái Lan; bằng 0 nếu không thuộc Thái Lan D3i = 1 nếu quan sát thuộc Indonesia; bằng 0 nếu không thuộc Indonesia D4i = 1 nếu quan sát thuộc Malaysia, bằng 0 nếu không thuộc Malaysia D4i = 1 nếu quan sát thuộc Philippines, bằng 0 nếu không thuộc Philippines Ở đây Việt Nam trở thành quốc gia để so sánh, α1 tiêu biểu cho tung độ gốc của Việt Nam và α2, α3, α4, α5 là các hệ số tung độ gốc khác biệt cho ta biết các tung độ gốc của Thái Lan, Indonesia, Malaysia, Philippines khác biệt nhƣ thế nào so với tung độ gốc của Việt Nam
Tƣơng tự mơ hình (4) khi xem xét ảnh hƣởng của quốc gia bằng biến giả chúng ta cũng có thể nghiên cứu tác động ảnh hƣởng của thời gian. Ta đƣa vào biến giả thời gian, mỗi tháng một biến. Vì ta có số liệu 80 tháng nên ta có thể đƣa vào 79 biến giả và viết lại phƣơng trình (4) là:
Yit = λ1 + λ 2d2 + λ 3 d 3 + … + α79 d 79 + α80 d 80 + β1lnCPIit+ β2lnITRit + β3 lnIPIit + β4lnM2it + β5 lnEXRit + uit (5)
Trong đó:
d2 = 1 nếu quan sát thuộc tháng 2/2007; bằng 0 nếu những quan sát này trong những tháng khác, d3 = 1 nếu quan sát thuộc 3/2007; bằng 0 những quan sát này trong những tháng khác, và tƣơng tự nhƣ vậy … Chúng ta xem tháng 01/2007 là tháng gốc với giá trị tung độ gốc là λ1
Khi ta kết hợp Mơ hình (4) và Mơ hình (5) ta đƣợc mơ hình (6) nhƣ sau:
Yit = α1 + α2D2i + α3D3i + α4D4i + α5D5i + λ1 + λ 2d2 + λ 3 d 3 + … + α79 d79 + α80 d 80 + β1lnCPIit+ β2lnITRit + β3 lnIPIit + β4lnM2it + β5 lnEXRit + uit (6)
Phƣơng trình 6 ta có các hệ số độ dốc khơng đổi theo thời gian và các quốc gia nhƣng hệ số trục tung biến đổi vừa theo các quốc gia và cả thời gian.
Để biết mơ hình FEM có ý nghĩa về mặt thống kê hay không, theo Yaffee (2003) khi lựa chọn giữa POOL và REM thực hiện kiểm định F cho FEM. Theo đó, hồi quy ở phƣơng trình (3) đƣợc thực hiện bằng giả thiết nhƣ sau:
H0: β0i = 0, tức không tồn tại những khác biệt giữa các cá thể trong mơ hình => dùng POOL hiệu quả hơn FEM
H1: có ít nhất tồn tại một β0i ≠ 0
Nếu H0 bị từ chối thì cho thấy có tồn tại mơ hình ảnh hƣởng cố định có ý nghĩa về mặt thống kê vì vậy FEM thích hợp hơn POOL và ngƣợc lại