Lĩnh vực Số công ty được chọn Giá trị Si trung bình Giá trị hệ số Kim và Ogden trung bình
Dầu khí và ngun liệu cơ bản 16 45.2% 94.92%
Công nghiệp 26 41.28% 108.71%
Hàng tiêu dùng 21 43.56% 105.74%
Tài chính 37 41.78% 82.71%
Tổng cộng 100 42.57% 96.26%
(Nguồn: tổng hợp từ công ty chứng khốn VNDIRECT, cơng ty chứng khốn FPTS, trang tin tài chính CAFEF, sàn HOSE, sàn HNX)
Nhìn theo cơ cấu thì giá trị chênh lệch ước tính (Si) và giá trị hệ số Kim và Ogden trên sàn HOSE nhỏ hơn so với trên sàn HNX. Đồng thời tỷ lệ chênh lệch giữa Si và giá trị hệ số Kim và Ogden của cả hai sàn là khá lớn, tỷ lệ chênh lệnh này theo Kim và Ogden chính là giá trị của chi phí AI mà phần tiếp theo chúng ta sẽ tính tốn cụ thể.
4.2. Kết quả hồi quy và kiểm định giả thuyết 4.2.1. Mức độ bất cân xứng thông tin 4.2.1. Mức độ bất cân xứng thơng tin
Kết quả kiểm định mơ hình hồi quy (3.1) để xác định mức độ chi phí bất cân xứng thông tin lần lượt cho hai sàn HOSE và HNX như sau: (Kết quả chi tiết được trình bày trong phụ lục 2 và 3 của luận văn này).
Bảng 4.3. Kết quả hồi quy mơ hình 3.1
Biến độc lập Sàn HOSE Sàn HNX
β0 0.141**** 0.326****
β1 0.33**** 0.10****
R2điều chỉnh 74.16% 13.4%
****: có ý nghĩa tại mức 1%
Theo nghiên cứu như của Kim và Ogden, các tác giả này không quan tâm đến năng lực giải thích của mơ hình mà chỉ tập trung vào mức ý nghĩa của các giá trị ước lượng để ước tính mức độ bất cân xứng thơng tin. Vì vậy trong mơ hình 3.1, chúng ta có các biến ước lượng đều
có ý nghĩa về mặt thống kê ở mức 1%. Kết quả ước tính này cho thấy rằng trên sàn HOSE, chi phí xử lý lệnh là 33%, cịn chi phí AI là 67%. Cịn trên sàn HNX, chi phí xử lý lệnh chỉ có 10%, cịn chi phí AI lên đến 90%. Một kết quả chênh lệch khá thú vị. Kết quả này khẳng định rằng: mức độ AI trên sàn HNX cao hơn nhiều so với sàn HOSE.
Đồng thời cả hai mức độ bất cân xứng thông tin này nếu so với một số quốc gia khác thì cao hơn hẳn. Điển hình là cùng mơ hình nghiên cứu của Kim và Ogden trên thị trường NYSE cho thấy mức độ AI của sàn này là 50% (căn cứ vào dữ liệu của năm 1996). Nghiên cứu của Giouvris và Philipptaos trên sàn chứng khoán London (2008) cho thấy mức độ bất cân xứng thông tin chỉ mức 32% cho các chứng khoán trong chỉ số FTSE100 và ở mức 67% cho các chứng khoán trong chỉ số FTSE250 sau khi chuyển sang hình thức giao dịch điện tử liên tục.
4.2.2. Các yếu tố tác động đến bất cân xứng thông tin
Sau khi đánh giá mức độ bất cân xứng thông tin, phần này sẽ trình bày kết quả nghiên cứu các yếu tố có liên hệ chặt chẽ với mức độ AI, được biểu hiện qua mơ hình hồi quy của biến phụ thuộc (mức độ bất cân xứng thông tin của các mã chứng khốn) và các biến độc lập mơ tả đặc điểm riêng của từng công ty niêm yết trên sàn, theo mơ hình (3.6).
Trên HOSE, mối quan hệ giữa các biến độc lập được mô tả như bảng (4.4), theo mẫu quan sát thì khối lượng giao dịch trung bình hằng ngày là 141 nghìn đơn vị, trong đó có những cổ phiếu có mức giao dịch khá lớn đạt 1,5 triệu đơn vị một ngày nhưng cũng có những mã cổ phiếu chỉ đạt mức 414 đơn vị một ngày. Giá trị vốn hóa trị trường đạt trung bình là 4 nghìn tỷ đồng, trong đó có những cơng ty có giá trị niêm yết là 52 nghìn tỷ đồng nhưng cũng có những cơng ty chỉ có giá trị niêm yết là hơn 28 tỷ đồng. Về số lượng các nhà đầu tư tổ chức và tỷ trọng số cổ phần mà họ nắm giữ thì nhìn chung khá thấp. Theo thống kê chỉ có khoảng 20% số cổ phần của các cơng ty là do các tổ chức tài chính nắm giữ với số lượng các nhà đầu tư tổ chức đạt gần 4 thành viên cho mỗi công ty về giá trị trung bình. Về địn bẩy tài chính thì mức trung bình của mẫu là 55%, tức hơn một nửa giá trị tài sản của các công ty là do đi vay hoặc có liên quan đến khoản nợ phải trả. Về tỷ trọng của tài sản vơ hình trên tổng tài sản thì mức độ rất thấp, trung bình chỉ đạt 3%, nhưng cá biệt cũng có cơng ty có tỷ trọng này lên đến 24%.
Bảng 4.4. Dữ liệu mô tả các công ty niêm yết trên sàn HOSE
Số thứ tự
Biến Giá trị trung bình Giá trị lớn nhất Giá trị nhỏ
nhất Độ lệch chuẩn Số quan sát 1 VOL 141,499 1,537,478 414 255,038 100 2 PRI 19,858.20 106,600.50 2,955.14 17,479.65 100 3 VAR 43,589,873 672,000,000 691,188 98,207,090 100 4 SIGR 0.03 0.08 0.01 0.01 100 5 SIGVOL 132,739.90 1,043,643.00 1,290.23 204,372.40 100 6 LEVG 0.55 1.48 0.10 0.24 100 7 INTGA 0.03 0.24 - 0.04 100 8 NMB 1.07 5.85 (0.21) 0.84 100 9 NMVE 4,170,000,000,000 52,500,000,000,000 28,400,000,000 11,100,000,000,000 100 10 PINST 0.20 0.92 - 0.19 100 11 INST 3.54 17.00 - 3.55 100
(Nguồn: tổng hợp từ công ty chứng khốn VNDIRECT, cơng ty chứng khốn FPTS, trang tin tài chính CAFEF, sàn HOSE, sàn HNX)
Kết quả hồi quy ở phần 4.2.1 được dùng để ước tính mức độ bất cân xứng thơng tin cho mỗi mã chứng khốn theo phương trình (3.5). Mối quan hệ giữa giá trị này và các biến mô tả đặc điểm riêng của từng công ty được thể hiện theo bảng sau:
Bảng 4.5. Hệ số tương quan giữa các biến độc lập với biến phụ thuộc asym, sàn HOSE
ASYM VOL PRI VAR SIGR SIGVOL LEVG INTGTA NMB NMVE PINST INST ASYM 1.0 VOL 0.2 1.0 PRI 0.1 0.0 1.0 VAR -0.1 0.0 0.9 1.0 SIGR -0.6 -0.1 -0.1 0.1 1.0 SIGVOL 0.1 1.0 0.0 0.0 -0.1 1.0 LEVG -0.2 0.0 -0.1 0.0 0.2 0.0 1.0 INTGTA 0.1 -0.1 0.0 0.0 0.0 -0.2 -0.2 1.0 NMB -0.1 0.1 0.7 0.7 0.1 0.1 0.1 0.1 1.0 NMVE 0.1 0.2 0.7 0.6 -0.1 0.3 0.1 -0.1 0.6 1.0 PINST 0.2 0.1 0.3 0.1 -0.2 0.1 -0.2 -0.1 0.0 0.1 1.0 INST 0.4 0.3 0.3 0.1 -0.3 0.3 -0.2 0.0 0.1 0.1 0.7 1.0
Có thể thấy hầu hết các biến độc lập đều không thể hiện mối tương quan chặt với biến asym. Tuy nhiên trong mơ hình phân tích của Van Ness và các cộng sự (2001), các tác giả này đề xuất sử dụng mơ hình tuyến tính- logarithm để phân tích.
Đầu tiên, chạy mơ hình hồi quy (3.6) cho sàn HOSE với biến độc lập liên quan đến giao dịch, gồm có VOL, PRI, VAR, SIGVOL, SIGR, kết quả chi tiết được cho ở phần phục lục 4
Bảng 4.6. Kết quả ước lượng mơ hình 3.6 với các biến liên quan đến giao dịch, sàn HOSE Tên biến Giá trị Tên biến Giá trị
Hằng số -0.09 Ln(vol) 0.033*** Ln(Sigvol) -0.033** Ln(pri) 0.115**** Ln(var) -0.063**** Ln(sigr) -0.159**** R2điều chỉnh 67.28% Trị kiểm định Durbin-Watson 1.73 Trị kiểm định AIC -2.62
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Hầu hết các biến liên quan đến giao dịch đều có ý nghĩa thống kê, đồng thời R2 điều chỉnh đạt 67.28% cho thấy được năng lực giải thích của các biến này đối với mức độ AI của từng mã chứng khoán.
Tiếp theo, thêm vào tất cả các biến liên quan đến đặc điểm riêng của cơng ty, gồm có LEVG, INTGTA, NMB, NMVE, PINST, INST, kết quả được hiển thị phần phụ lục 5:
Bảng 4.7. Kết quả ước lượng mơ hình 3.6 với tất cả các biến, sàn HOSE Tên biến Giá trị Tên biến Giá trị
Hằng số -0.123 Ln(vol) 0.024* Ln(Sigvol) -0.027* Ln(pri) 0.113**** Ln(var) -0.062**** Ln(sigr) -0.134**** levg 0.037 intgta 0.376*** nmb -0.014 Log(nmve) 0.004 pinst -0.023 inst 0.006*** R2điều chỉnh 69.8% Trị kiểm định Durbin-Watson 1.657811 Trị kiểm định AIC -2.65
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Khi thêm vào các biến liên quan đến đặc điểm riêng của cơng ty, thì mơ hình tốt hơn so với trước, thể hiện qua hệ số R2 điều chỉnh tăng lên và trị kiểm định AIC thấp hơn. Tuy nhiên các biến LEVG, NMB, log(NMVE), PINST khơng có ý nghĩa thống kê. Trong đó biến PINST có trị thống kê t nhỏ nhất về mặt tuyệt đối. Nên tiếp theo mơ hình sẽ bỏ biến này ra, được kết quả như ở phần phụ lục 6:
Bảng 4.8. Kết quả ước lượng mơ hình 3.6 với tất cả các biến trừ biến PINST, sàn HOSE Tên biến Giá trị Tên biến Giá trị
Hằng số -0.126 Ln(vol) 0.024*** Ln(Sigvol) -0.026* Ln(pri) 0.112**** Ln(var) -0.062**** Ln(sigr) -0.137**** levg 0.037 intgta 0.383*** nmb -0.013 Log(nmve) 0.004 inst 0.005*** R2điều chỉnh 79.07% Trị kiểm định Durbin-Watson 1.66 Trị kiểm định AIC -2.669
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Mơ hình tốt hơn lên với R2điều chỉnh tăng thêm và trị kiểm định AIC nhỏ hơn. Vì vậy việc bỏ biến PINST là hợp lý. Tiếp theo lần lượt loại bỏ bớt các biến NMVE, NMB, và LEVG (theo thứ tự có trị kiểm định t nhỏ nhất) ra khỏi mơ hình, ta được mơ hình tốt nhất cuối cùng phụ thuộc vào các biến: VOL, SIGVOL, PRI, VAR, SIGR, INTGTA, INST như kết quả ở phần phụ lục 7
Bảng 4.9. Kết quả ước lượng mơ hình 3.6 tốt nhất, sàn HOSE Tên biến Giá trị Tên biến Giá trị
Hằng số -0.011 ln(vol) 0.027** ln(Sigvol) -0.026* ln(pri) 0.102**** ln(var) -0.060**** ln(sigr) -0.145**** intgta 0.284** inst 0.005**** R2điều chỉnh 70.23% Trị kiểm định Durbin-Watson 1.67 Trị kiểm định AIC -2.7017
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Mặc dù R2 điều chỉnh có giảm đi nhưng trị kiểm định AIC tốt hơn. Và các biến hầu hết đều có ý nghĩa thống kê, đồng thời hệ số Durbin-watson là 1.67 có thể xem là nằm ở miền giá trị chứng tỏ phần dư không bị hiện tượng tự tương quan theo mơ hình kiểm định Durbin- Waston.
Cuối cùng, để kiểm tra hiện tượng phương sai thay đổi, tác giả dùng kiểm định White và cho kết quả Pvaue của kiểm định White là 0,027 như ở phụ lục 11. Như vậy mơ hình tốt nhất này bị ảnh hưởng của phương sai thay đổi ở mức ý nghĩa 5%. Để khắc phục hiện tượng phương sai thay đổi, ta sẽ lấy logarithm của biến phụ thuộc ASYM và ta được mơ hình cịn tốt hơn mơ hình ở trên với R2 bình phương tăng thêm (được trình bày chi tiết ở phụ lục 12), giá trị các biến tác động được trình bày trong bảng sau:
Bảng 4.10. Ước lượng mơ hình 3.6 tốt nhất với biến phụ thuộc là ln(ASYM), sàn HOSE
Tên biến Giá trị
Hằng số -1.527 ln(vol) 0.052*** ln(Sigvol) -0.05** ln(pri) 0.181**** ln(var) -0.102**** ln(sigr) -0.225**** intgta 0.469** inst 0.007*** R2điều chỉnh 70.68% Trị kiểm định Durbin-Watson 1.81
****: có ý nghĩa tại mức 1%, ***: ý nghĩa tại mức 5%, **: ý nghĩa tại mức 10%, *: có ý nghĩa ở mức 15%
Thực hiện kiểm định White đối với mơ hình mới này, ta được Pvalue là 0,0718 như ở phụ lục 12 và điều đó chứng tỏ ở mức ý nghĩa 5%, mơ hình khơng cịn bị hiện tượng phương sai thay đổi.
Tóm lại, đối với sàn HOSE, chúng ta có mơ hình được đánh giá là tốt như sau:
ln(ASYM)= -1.527+0.052 ln(VOL)-0.05 ln(SIGVOL) +0.181 ln(PRI) -0.102 ln(VAR) - 0.225 ln(SIGR) + 0.469 INTGTA + 0.007 INST (4.1)
Như vậy, trên sàn HOSE, các biến tác động có ý nghĩa đến mức độ AI gồm có:
+ VOL (trung bình khối lượng giao dịch), biến này có giá trị +, điều này ngược với dấu kỳ vọng trong mơ hình của Van Ness và các cộng sự (2001), điều này chứng tỏ trên HOSE, các mã chứng khốn có khối lượng giao dịch càng lớn thì hiện tại đang gắn với chi phí AI càng lớn. Đặc trong bối cảnh hiện tại của HOSE khi đa phần tham gia giao dịch là các nhà đầu tư nhỏ lẻ, chưa được trang bị thông tin và phương pháp đầu tư cũng chưa thật sự chuyên nghiệp, vấn đề chạy theo tâm lý bầy đàn vẫn là phổ biến thì kết quả trên là hoàn toàn phù hợp. Như vậy với bối cảnh hiện tại các mã có khối lượng giao dịch lớn trên thị trường là những mã có chi phí bất cân xứng thơng tin cao nhất và chính các nhà đầu tư nhỏ lẻ khi tham gia mua bán các cổ phiếu này chính là những người phải gánh chịu hậu quả về thông tin bất cân xứng.
+ SIGVOL (độ lệch chuẩn của khối lượng giao dịch), đây là biến đo lường mức độ biến động của khối lượng giao dịch. Giá trị của biến này là -, trái với kỳ vọng, điều này chứng tỏ một mã cổ phiếu có sự dao động ít về khối lượng giao dịch hằng ngày lại là những cổ phiếu mang chi phí AI càng lớn, điều này là một điều khá thú vị vì hiện tại khối lượng giao dịch tập trung chủ yếu ở các mã có mức vốn hóa trị trường lớn và các mã liên quan đến các ngành tài chính (chứng khốn, ngân hàng, bất động sản, thép), nếu theo kết quả này phân tích thì các nhà đầu tư khi giao dịch đối với các mã này sẽ phải chịu chi phí bất cân xứng thơng tin càng lớn. + PRI (trung bình của giá cổ phiếu), với mức ý nghĩa 1%, biến này có tương quan mạnh với AI, giá trị của biến này là +, ngược lại với dấu tiên nghiệm. Như vậy, có thể thấy nếu giá của cổ phiếu càng lớn thì mức độ AI của cổ phiếu đó càng lớn, điều này có thể giải thích được là do mức giá càng lớn thì có vẻ như càng hấp dẫn các nhà đầu tư nhỏ lẻ đổ xơ đi mua và chính điều này sẽ mang lại lợi ích cho các nhà đầu tư với lợi thế về mặt thông tin càng lớn.
+ VAR (phương sai của giá trung bình mid-point của bid-ask), mang dấu -, tức trái dấu kỳ vọng, tức nếu phương sai càng nhỏ hay biến động của giá trung bình của giá mua-bán hằng ngày càng nhỏ thì càng làm tăng mức độ AI trên sàn, điều này cũng được thấy ở các mã blue chip với khối lượng giao dịch lớn và giá ít biến động.
+ SIGR (độ lệch chuẩn của suất sinh lợi hằng ngày), giá trị của biến này là -, trái dấu kỳ vọng, tức nếu mức độ biến động của suất sinh lợi hằng ngày của cổ phiếu càng nhỏ thì mức độ AI đối với cổ phiếu đó sẽ lớn hơn so với các mã khác, điều này cũng rơi vào các cổ phiếu được xem là blue chip trên thị trường hiện nay và các nhà đầu tư nhỏ lẻ khi tham gia giao dịch sẽ làm mồi cho các nhà đầu tư nội gián vốn có ưu thế về mặt thông tin hơn.
+ INGTA: tỷ trọng của tài sản vơ hình đối với tổng tài sản của cơng ty, biến này có giá trị + theo đúng kỳ vọng của mơ hình. Điều này hồn toàn phù hợp với kết quả của Van Ness và các cộng sự (2001). Theo đó một cơng ty sẽ khó bị định giá hơn nếu có tỷ trọng tài sản vơ hình càng lớn và khiến cho các mức đánh giá về giá trị cổ phiếu của nhà đầu tư sẽ rất khác nhau, đặc biệt trong trường hợp công ty đi mua lại công ty khác với giá trị khơng được xác định chính xác. Cuối cùng chính sự khác nhau đó khiến cho chi phí phải chịu bất cân xứng thông tin của nhà đầu tư sẽ lớn hơn.
+ INST: biến số lượng các nhà đầu tư tổ chức, biến này mang lại một điều thú vị trong mơ hình với giá trị +, trái dấu kỳ vọng. Với giá trị này chúng ta có thể suy đoán rằng vào hiện tại, các tổ chức nắm giữ một lượng lớn các thông tin liên quan đến cổ phiếu đó đang bắt tay nhau điều khiển giá cổ phiếu mà không cạnh tranh với nhau. Đây là một trường hợp rất đặc biệt mà các nhà quản lý thị trường cần quan tâm đến.
Phần còn lại là các biến khơng có ý nghĩa trong mơ hình. Đầu tiên là biến PINST (tỷ