ASYM VOL PRI VAR SIGR SIGVOL LEVG INTGTA NMB NMVE PINST INST
ASYM 1.00 VOL 0.17 1.00 PRI 0.00 -0.03 1.00 VAR -0.10 -0.04 0.89 1.00 SIGR -0.43 -0.19 -0.05 0.12 1.00 SIGVOL 0.15 0.98 -0.05 -0.04 -0.18 1.00 LEVG 0.01 -0.13 -0.13 -0.18 -0.03 -0.12 1.00 INTGTA -0.05 -0.01 -0.07 0.00 0.17 0.01 0.06 1.00 NMB 0.06 0.03 0.30 0.24 -0.07 0.03 -0.26 -0.21 1.00 NMVE 0.65 0.32 0.08 -0.03 -0.21 0.34 0.18 -0.06 0.07 1.00 PINST 0.17 0.28 0.10 0.09 -0.19 0.31 0.07 -0.04 0.00 0.35 1.00 INST 0.20 0.41 0.11 0.09 -0.14 0.44 0.08 0.01 0.01 0.44 0.88 1.00
Mối quan hệ sơ lược giữa các biến độc lập và biến phụ thuộc bất cân xứng thông tin thể hiện ở bảng (4.12). Theo đó, các biến độc lập có mối tương quan yếu với biến phụ thuộc asym nên mơ hình được sử dụng vẫn là tuyến tính-logarithm.
Đầu tiên, chúng ta hồi quy (3.6) với các biến đại diện cho đặc điểm giao dịch, kết quả chi tiết được thể hiện ở phụ lục 8:
Bảng 4.13. Kết quả ước lượng mô hình 3.6 với các biến liên quan đến giao dịch, sàn HNX Tên biến Giá trị
Hằng số -0.245 Ln(vol) 0.207**** Ln(Sigvol) -0.076*** Ln(pri) 0.401**** Ln(var) -0.224**** Ln(sigr) -0.124 R2điều chỉnh 56.46% Trị kiểm định Durbin-Watson 2.337 Trị kiểm định AIC -0.0525
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Kết quả trên cho thấy các biến VOL, SIGVOL, PRI, VAR là có tác động có ý nghĩa đến mức độ AI trên HNX. Nếu hồi quy tất cả các biến độc lập tác động lên biến phụ thuộc, kết quả được trình bày chi tiết ở phụ lục 9. Theo thơng tin từ bảng (4.14), chúng ta thấy hệ số R2 điều chỉnh giảm và trị kiểm định AIC tăng lên chứng tỏ mơ hình tổng qt chưa được hồn thiện, vẫn cịn một số biến khơng có ý nghĩa thống kê vì vậy tiếp tục cần phải loại trừ các biến này ra khỏi mơ hình. Cuối cùng chúng ta được mơ hình hồi quy tốt nhất được thể hiện ở bảng (4.15) và kết quả chi tiết được trình bày ở phụ lục 10.
Bảng 4.14. Kết quả ước lượng mơ hình 3.6 với tất cả các biến, sàn HNX
Tên biến Giá trị
Hằng số -0.123 Ln(vol) 0.204**** Ln(Sigvol) -0.176** Ln(pri) 0.399**** Ln(var) -0.229**** Ln(sigr) -0.112 levg -0.007 intgta 0.35 nmb -0.009 Log(nmve) 0.001 pinst 0.0725 inst 0 R2điều chỉnh 53.69% Trị kiểm định Durbin-Watson 2.33 Trị kiểm định AIC 0.063
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Bảng 4.15. Kết quả ước lượng mơ hình 3.6 tốt nhất, sàn HNX Tên biến Giá trị Tên biến Giá trị
Hằng số 0.148 Ln(vol) 0.212**** Ln(Sigvol) -0.179*** Ln(pri) 0.445**** Ln(var) -0.249**** R2điều chỉnh 56.41% Trị kiểm định Durbin-Watson 2.342 Trị kiểm định AIC -0.06
Như vậy, các biến tác động mạnh nhất đến AI ở sàn HNX là các biến liên quan đến giao dịch gồm có VOL, SIGVOL, PRI và VAR. Mơ hình có trị kiểm định Durbin-Watson là 2.342, tức là không bị hiện tượng tự tương quan, R2điều chỉnh đạt giá trị khá, chứng tỏ các biến độc lập giải thích được khoảng 56% sự biến động của mức độ AI trên sàn HNX.
Chúng ta cũng tiến hành kiểm tra hiện tượng phương sai thay đổi của mơ hình 3.6 trên sàn HNX và kết quả như ở phụ lục 14, theo đó dữ liệu trên sàn HNX cũng bị hiện tượng phương sai thay đổi và do đó chúng ta cũng điều chỉnh lại bằng cách dùng hàm logarithm cho biến phụ thuộc ASM, chúng ta cũng được kết quả cịn tốt hơn mơ hình trên với R2 điều chỉnh tăng lên 57.4%, kết quả được trình bày ở phụ lục 15.
Bảng 4.16. Uớc lượng mơ hình 3.6 tốt nhất, sàn HNX với biến phụ thuộc là ln(ASYM) Tên biến Giá trị
Hằng số -0.908 Ln(vol) 0.337**** Ln(Sigvol) -0.296**** Ln(pri) 0.385**** Ln(var) -0.229**** R2điều chỉnh 57.48% Trị kiểm định Durbin-Watson 2.497
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Thực hiện lại kiểm định White với mơ hình mới này cũng cho giá trị Pvalue ở mức 0.0568 và một phần nào đó chúng ta có thể xem mơ hình này khơng cịn bị hiện tượng phương sai thay đổi ở mức ý nghĩa 5%, (kết quả được trình bày ở phụ lục 16).
Tóm lại, chúng ta có mơ hình ước lượng tốt trên HNX như sau:
ln(asym) = -0.908 + 0.337 ln(vol) – 0.296 ln(sigvol) + 0.385 ln(pri) - 0.229 ln(var) (4.2)
Như vậy, so với sàn HOSE, trong các yếu tố tác động lên AI ở sàn HNX thì khơng có biến nào mang đặc điểm riêng của công ty như địn bẩy tài chính, tài sản vơ hình hay các biến liên quan đến các nhà đầu tư tổ chức. Mơ hình (4.2) cũng chỉ giải thích được khoảng 57% giá trị của AI trên sàn và do đó mơ hình (4.2) chưa chứa đựng một số biến quan trọng khác để gia
tăng năng lực giải thích của mơ hình, và đặt trong bối cảnh mức độ AI của sàn HNX cao hơn hẳn so với sàn HOSE cho thấy diễn biến của AI trên HNX phức tạp hơn nhiều so với HOSE. Cuối cùng, các biến tác động có ý nghĩa đến AI trên sàn HNX gồm có:
• VOL: biến khối lượng giao dịch trung bình hằng ngày của cổ phiếu. Biến này có giá trị +, ngược dấu kỳ vọng và cơ sở giải thích cho kết quả này cũng giống như biến VOL trên HOSE, theo đó các cổ phiếu có khối lượng giao dịch lớn lại là các cổ phiếu mang mức độ AI lớn và các nhà đầu tư nhỏ lẻ sẽ phải chịu thiệt hại nặng nề.
• SIGVOL: là độ lệch chuẩn của khối lượng giao dịch hằng ngày. Biến này có giá trị -, trái dấu kỳ vọng, do đó đặc điểm tác động của biến này cũng tương tự như trên sàn HOSE, theo đó các mã chứng khốn có khối lượng giao dịch ít biến động nhất như blue chip sẽ là các cổ phiếu mang chi phí bất cân xứng thơng tin lớn nhất.
• PRI: biến giá trung bình của cổ phiếu. Biến này có giá trị +, trái dấu kỳ vọng, tức giá trị trên thị trường của cổ phiếu càng lớn thì nhà đầu tư chịu chi phí bất cân xứng thơng tin càng lớn, đây là điều nhà đầu tư cần phải đặc biệt quan tâm nếu giao dịch trên HNX
• VAR: biến đo lường mức độ biến động của giá trung bình của giá mua-bán. Biến này có giá trị -, trái dấu kỳ vọng và cũng tương tự như trên sàn HOSE, nó chứng tỏ rằng nếu một cổ phiếu có mức độ biến động giá càng thấp thì chi phí bất cân xứng thơng tin càng cao.
Đến đây, đề tài đã lần lượt trình bày đặc điểm dữ liệu của hai sàn HOSE và HNX. Sau đó nghiên cứu về mức độ bất cân xứng thơng tin trung bình trên hai sàn với mức độ lần lượt là 67% và 90%. Đồng thời phần này cũng nghiên cứu các yếu tố ảnh hưởng đến mức độ này trên hai sàn. Từ kết quả thu được, luận văn kết luận rằng, các yếu tố tác động có ý nghĩa đến chi phí bất cân xứng thơng tin ở sàn HOSE là khối lượng giao dịch, độ biến động của khối lượng giao dịch, giá cổ phiếu, đột biến động của giá trung bình giá mua-bán hằng ngày, độ biến động của suất sinh lợi hằng ngày, tỷ trọng tài sản vơ hình trong tổng tài sản và số lượng các nhà đầu tư tổ chức nắm giữ cổ phiếu của cơng ty. Cịn đối với sàn HNX, các yếu tố tác động có ý nghĩa đến AI là các yếu tố liên quan đến giao dịch gồm có: khối lượng giao dịch, độ biến động của khối lượng giao dịch, giá cổ phiếu và độ biến động của giá trung bình của giá mua-bán hằng ngày. Chương kế tiếp sẽ trình bày kết luận và kiến nghị chính sách.
CHƯƠNG 5. KẾT LUẬN VÀ KIẾN NGHỊ CHÍNH SÁCH 5.1. Kết luận 5.1. Kết luận
Từ kết quả nghiên cứu ở chương 4, luận văn rút ra một số kết luận quan trọng sau: Một là, mức độ AI trên sàn HOSE và sàn HNX với dữ liệu thu thập vào năm 2011 lần lượt là 67% và 90%. Như vậy mức độ AI trên cả hai sàn đều cao hơn so với một số nghiên cứu trên các sàn giao dịch khác trên thế giới, như mức độ AI trên thị trường NYSE là 50% (theo Kim và Ogden (1996)) hay mức độ AI trên sàn FTSE100 là 32% và FTSE250 là 67% (theo Giouvris và Philipptaos (2008)). Đây cũng được xem là điều thông thường đối với các thị trường còn non trẻ như Việt Nam. Trong tương lai để thị trường chứng khốn có thể phát triển và cạnh tranh được với các thị trường khác thì bắt buộc các nhà quản lý thị trường phải có biện pháp để giảm thiểu mức độ AI này hơn nữa, từ đó mới có thể xây dựng một thị trường bền vững và phát triển theo hướng công bằng, lành mạnh, mang lại niềm tin cho các nhà đầu tư.
Hai là, mức độ AI trên sàn HNX cao hơn nhiều so với sàn HOSE, điều này cũng phản ánh rất khách quan về đặc điểm giao dịch của sàn HNX. Khối lượng giao dịch và giá trị giao dịch trên sàn HNX thông thường thấp hơn sàn HOSE khá nhiều, điều này cũng là sự biểu hiện về mối lo ngại của nhà đầu tư về tính cơng bằng trong giao dịch khi giao dịch trên sàn HNX. Đa phần các cổ phiếu niêm yết trên HNX là các cổ phiếu nhỏ với giá trị vốn điều lệ tối thiểu là 10 tỷ (so với mức 80 tỷ trên sàn HOSE), khối lượng giao dịch rất ít và mức độ biến động giá trong ngày rất cao. Hiện tại với mức biên độ giao dịch là ±7% trong ngày và mức AI cao như thế sẽ chỉ mang lại lợi ích rất lớn cho các nhà đầu tư nắm được lợi thế thơng tin. Do đó sự âu lo và hạn chế giao dịch của nhà đầu tư trên sàn HNX là hồn tồn có cơ sở.
Ba là, đi sâu vào nghiên cứu các yếu tố tác động đến mức độ AI cho từng sàn, đề tài phát hiện ra rằng, trên sàn HOSE các biến có tác động có ý nghĩa đến mức độ AI là các biến: khối lượng giao dịch, độ biến động của khối lượng giao dịch, giá cổ phiếu, đột biến động của giá trung bình giá mua-bán hằng ngày, độ biến động của suất sinh lợi hằng ngày, tỷ trọng tài sản vơ hình trong tổng tài sản và số lượng các nhà đầu tư tổ chức nắm giữ cổ phiếu của công ty. Như vậy, nghiên cứu này chỉ ra rằng, hiện tại một cổ phiếu với khối lượng giao dịch lớn, độ biến động khối lượng giao dịch nhỏ, hoặc có giá cổ phiếu lớn, độ biến động giá nhỏ, hoặc
độ biến động suất sinh lời hằng ngày nhỏ, lại là các cổ phiếu mang chi phí bất cân xứng thơng tin lớn. Những đặc điểm này có thể được gặp ở các cổ phiếu thuộc dạng blue-chip trên thị trường với khối lượng giao dịch hằng ngày rất lớn và mức độ biến động giá nhỏ, và nhà đầu tư nhỏ lẻ khi tham gia giao dịch đối với các cổ phiếu này lại là người phải chịu chi phí bất cân xứng thơng tin lớn. Đây là một điều phát hiện khá quan trọng đối với các nhà đầu tư trên HOSE.
Bốn là, nghiên cứu này cho thấy rằng, trên sàn HOSE, nếu một cơng ty niêm yết có tỷ trọng tài sản vơ hình lớn thì chi phí bất cân xứng thơng tin càng cao. Điều này có thể xuất phát từ việc định giá các tài sản vơ hình như bản quyền, lợi thế thương mại là rất khó xác định, cũng như các cơng ty chưa cơng bố rõ ràng các thông tin về tài sản này khiến cho mức độ bất cân xứng thông tin càng tăng thêm.
Năm là, số lượng các nhà đầu tư tổ chức có sự tác động tiêu cực đến mức độ bất cân xứng thông tin trên sàn HOSE. Thông thường các nhà hoạch định chính sách ln muốn thu hút các nhà đầu tư tổ chức tham gia giao dịch và sở hữu cổ phiếu của công ty niêm yết. Nhờ tính chuyên nghiệp và sự cạnh tranh lẫn nhau, họ sẽ giúp hạn chế bớt tình trạng thao túng thơng tin cổ phiếu và vì vậy sẽ giảm thiểu tình trạng bất cân xứng thông tin trên thị trường. Tuy nhiên, điều này đã xảy ra không mong đợi trên sàn HOSE, kết quả thực nghiệm mang lại chứng tỏ rằng, càng có nhiều nhà đầu tư tổ chức tham gia nắm cổ phần của cơng ty thì mức độ AI của cổ phiếu đó càng lớn. Hay nói cách khác, các nhà đầu tư tổ chức này có thể đã bắt tay nhau thao túng thông tin về cổ phiếu để cùng nhau hưởng lợi. Vì vậy đây là kết quả rất thú vị trên sàn HOSE.
Cuối cùng, đối vối sàn HNX, các biến có tác động có ý nghĩa đến mức độ bất cân xứng thông tin trên sàn là: khối lượng giao dịch, độ biến động của khối lượng giao dịch, giá cổ phiếu và độ biến động của giá trung bình của giá mua-bán hằng ngày. Các đặc điểm tác động của các biến này cũng tương tự như trên sàn HOSE.
5.2. Kiến nghị chính sách
Từ những kết luận trên, luận văn xin đưa ra một số kiến nghị sau đối với các nhà quản lý thị trường:
Một là, mức độ bất cân xứng thông tin hiện tại trên hai sàn HOSE và HNX so với các thị trường khác là khá cao, với chi phí lần lượt là 67% và 90% chiếm trong khoảng biên độ giao dịch của giá mua-bán. Nếu mức độ 67% của HOSE vẫn cịn có thể chấp nhận được đối với một thị trường chứng khốn cịn khá sơ khai thì mức độ 90% của sàn HNX là điều khó có thể chấp nhận. Điều đó có nghĩa rằng nhà đầu tư thông thường khi giao dịch trên thị trường chứng khoán Việt Nam sẽ phải gánh chịu chi phí bất cân xứng thơng tin lớn hơn nhiều so với khi giao dịch trên các thị trường khác, và do đó nếu nhà nước khơng được can thiệp để làm giảm bớt sẽ ảnh hưởng đến tính hấp dẫn và sự phát triển của thị trường trong tương lai. Kết quả của nghiên cứu mang lại cũng chỉ ra rằng hiện tại các biện pháp phát hiện và chế tài xử lý các hành vi thao túng thông tin chưa được triển khai hiệu quả ở Việt Nam và vì vậy làm cho tình trạng thơng tin bất cân xứng vẫn khơng suy giảm. Vì vậy việc phát hiện các mức độ AI của hai sàn HOSE và HNX như thêm một bằng chứng để thuyết phục các cơ quan quản lý thị trường cần phải mạnh tay hơn nữa, quyết liệt hơn nữa trong việc trừng phạt các hành vi thao túng thông tin, đặc biệt là trên sàn HNX.
Hai là, kết quả nghiên cứu nhìn chung cho thấy, các cổ phiếu được giao dịch với khối lượng lớn hoặc có giá thị trường lớn lại là các cổ phiếu chịu ảnh hưởng của AI lớn nhất, trái với kỳ vọng của thị trường. Các nhà đầu tư khi bị cuốn theo các cổ phiếu này sẽ dễ bị chịu thiệt vì chi phí AI cao hơn so với các cổ phiếu khác, đây là một điều khá thú vị. Dựa trên phát hiện này, cơ quan quản lý thị trường nên khoanh vùng các các cổ phiếu này để quan sát và kiểm tra sát sao hơn, buộc các công ty này cần phải thực hiện nghiêm chỉnh nghĩa vụ cơng bố thơng tin hoặc có chế tài mạnh đối với các hành vi thao túng hay chậm công bố thông tin.
Ba là, đề tài phát hiện ra rằng, trên sàn HOSE vào thời điểm hiện tại có mối quan hệ tỷ lệ thuận giữa chi phí bất cân xứng thơng tin và số lượng các nhà đầu tư tổ chức nắm giữ cổ phiếu của công ty được niêm yết trên thị trường. Dường như các tổ chức này không cạnh tranh