CHƯƠNG 5 KẾT QUẢ NGHIÊN CỨU
5.2. Phân tích PCA đối với các nhân tố vĩ mô của các nước ASEAN
Một vấn đề thường gặp khi nghiên cứu các nhân tố vĩ mô là số lượng biến lớn và các biến có mức độ tương quan cao với nhau. Để lượng hóa mức độ ảnh hưởng các nhân tố vĩ mô tác động giá cổ phiếu ở thị trường ASEAN (06 biến số kinh tế vĩ mô của các nướcvà 09 biến số lựa chọn xem xét tác động thị trường toàn cầu), trước hết nghiên cứu này sẽ áp dụng phương pháp phân tích thành phần chính (PCA-
Principal Component Analysis) để xác định nhân tố chính từ số lượng lớn dữ liệu
được thu thập. Mục tiêu của phương pháp này nhằm giảm số lượng các biến có tương quan từ p biến xuống số lượng nhỏ các biến khơng có tương quan k (k thành phần chính PC).
Theo đề xuất của Kaiser (1960) việc xác định số lượng thành phần chính trong phân tích PCA bằng cách xác định giá trị eigenvalue (thông qua ma trận hệ số
tương quan giữa dần đến khi số lượng thành phần chính bằng số biến), thành phần chính được lựa chọn phải có giá trị eigenvalue có giá trị lớn hơn 1. Tuy nhiên, việc áp dụng tiêu chí Kaiser có thể dẫn đến việc loại bỏ các thành phần chính có giá trị riêng nhỏ và có thể quan trọng. Ví dụ, một số biến có thể khơng được biểu thị tốt bằng các thành phần chính lớn hơn và có thể hữu ích để giữ lại các thành phần chính nhỏ đại diện tốt hơn cho các biến đó. Jolliffe (1972) đã đề xuất giá trị eigenvalue là 0,7. Tuy nhiên, trong một số trường hợp nhất định, tiêu chí này dẫn đến việc giữ lại số lượng thành phần nhiều gấp đôi so với tiêu chí Kaiser (Dunteman, 1994). Mục đích chính của PCA giúp giảm số lượng lớn các biến có tương quan với nhau thành tập ít các biến sao cho các biến mới tạo ra là tổ hợp tuyến tính của những biến cũ khơng có tương quan lẫn nhau và giữ lại được nhiều nhất chất lượng thông tin từ nhóm biến ban đầu. Để khắc phục những vấn đề này và để xác định những thành phần chính nào nên được giữ lại trong phân tích này, tiêu chí Kaiser được nới lỏng một chút để bao gồm một số thành phần chính có gốc tiềm ẩn thấp hơn một chút. Do vậy, số các thành phần chính được giữ lại sẽ đảm bảo giải thíchvào khoảng 80% các biến của dữ liệu ban đầu.
Bảng 5.5 cho thấy kết quả phân tích PCA của nhóm biến kinh tế vĩ mơ của 5 quốc gia ASEAN. Bảng 5.5. trình bày các giá trị eigenvalue và tỷ trọng giải thích của các thành phần chính (PC – Principal Components) để giải thích biến động của các biến.
Bảng 5.5: Kết quả phân tích PCA cho các biến vĩ mơ nội địa các nước ASEAN
Bảng 5.5 mô tả kết quả phân tích PCA cho các biến vĩ mô của 6 quốc gia ASEAN. Mẫu nghiên cứu với 5 quốc gia ASEAN 5 từ tháng 1/2001 đến tháng 1/2020 và Việt Nam từ tháng 1/2008 đến tháng 1/2020. Nước PC 1 PC 2 PC 3 PC 4 PC 5 PC 6 IND Eigenvalue 1.863776 1.108749 1.044926 0.981043 0.831606 0.1699 Tỷ trọng 0.3106 0.1848 0.1742 0.1635 0.1386 0.0283 Tổng tỷ trọng 0.3106 0.4954 0.6696 0.8331 0.9717 1 SGN Eigenvalue 1.376501 1.167411 1.068267 0.931585 0.818838 0.637399
Nước PC 1 PC 2 PC 3 PC 4 PC 5 PC 6 Tỷ trọng 0.2294 0.1946 0.178 0.1553 0.1365 0.1062 Tổng tỷ trọng 0.2294 0.424 0.602 0.7573 0.8938 1 MYS Eigenvalue 1.836267 1.14978 0.972296 0.953647 0.874912 0.213098 Tỷ trọng 0.306 0.1916 0.162 0.1589 0.1458 0.0355 Tổng tỷ trọng 0.306 0.4977 0.6597 0.8187 0.9645 1 PHL Eigenvalue 1.885754 1.168347 0.957793 0.922176 0.784165 0.281765 Tỷ trọng 0.3143 0.1947 0.1596 0.1537 0.1307 0.047 Tổng tỷ trọng 0.3143 0.509 0.6686 0.8223 0.953 1 THA Eigenvalue 4.513802 0.999309 0.242983 0.124188 0.095969 0.023748 Tỷ trọng 0.7523 0.1666 0.0405 0.0207 0.016 0.004 Tổng tỷ trọng 0.7523 0.9189 0.9593 0.98 0.996 1 VNM Eigenvalue 1.472591 0.311085 0.2454 1.472591 0.2454 1.472591 Tỷ trọng 0.2454 0.1936 0.1669 0.1521 0.1319 0.1101 Tổng tỷ trọng 0.2454 0.439 0.6059 0.758 0.8899 1
Bảng 5.5. cho thấy các thành phần chính PC được xây dựng từ 06 các biến kinh tế vĩ mô. Dựa theo tiêu chí Kaiser nới lỏng, nghiên cứusẽ giữ lại 4 thành phần chính PC lần lượt từ PC1 đến PC4 đối với 4 thị trường Indonesia, Malaysia, Phillippin, Singapore và Việt Namriêng thị trường Thái Lan thì chỉ giữ lại 2 thành phần chính PC1 và PC2.
Bảng 5.6 tóm tắt kết quả phân tích PCA đểlựa chọn thành phần chính từ các biến số kinh tế vĩ mô của các nướctrong khu vực Đông Nam Á giai đoạn 20 năm từ 1/2001 đến 1/2020 (riêng Việt Nam từ 2008 – 2020). Việc sắp xếp các biến thành
các cột dựa vào nhân tố thành phần chính và tên của mỗi biến thành phần chính là PC1, PC2, PC3, PC4.
Bảng 5.6: Bảng tóm tắt các thành phần chính trong phân tích PCA các biến vĩ
mơ của các nước ASEAN
Bảng 5.6 tóm tắt kết quả từ việc áp dụng PCA cho các biến số kinh tế vĩ mô của các nước Đông Nam Á. Thứ tự của các biến trong mỗi ô dựa trên kích thước của tải nhân tố và chiều ảnh hưởng của mỗi PC nằm trong ngoặc đơn.
PC1 PC2 PC3 PC4 IND FX (+) MS (-) IPI, CPI (+) IR (-) CPI, TB (+) IPI, TB (+) SGP MS (+) TB (-)
FX, IR (+) CPI, IPI (+) IPI (+)
MYS FX (-) MS (+) CPI, IPI, TB (+) IR (+) TB (+) PHL FX, IR (+) MS(-) CPI, IPI, TB, IR (+) IPI (+) TB (-) TB (+)
THA CPI, IPI, MS, FX (+) IR (-)
TB (+)
VNM MS, CPI, IR (+) FX(-), IPI (+), IR(+)
TB (+) IPI (+)
Có thể thấy biếncung tiền (MS) chiếm tỷ trọng chính trong PC1 của hầu hết các nước (ngoại trừ Philippin) và MS có ảnh hưởng tích cực đến PC1 đối với các nước Singapore, Malaysia, Thái Lan và Việt Nam và ảnh hưởng ngược chiều với PC1 của Indonesia.Bên cạnh cung tiền, tỷ giá cũng là nhân tốchính trong PC1 của các nước (ngoại trừ Singapore) và có tác động cùng chiều với PC1 tại các nước Indonesia, Thái Lan và Philipins, nhưng tác động ngược chiều đối với PC1 của Malaysia.
Đối với PC2, IPI đóng góp tích cực vào thành phần chính của các nước Indonesia, Malaisia, Phillipin, Việt Nam. cán cân thương mại TB chiếm tỷ trọng duy nhất trong PC2 của Thái Lan và cũng là thành phần chính của Malaysia và Philippin. Riêng lãi suất có tác động cùng chiều đối vớiPC2 của Singapore, Philipins, Malaisia và Việt Nam nhưng tác động ngược chiều với PC2 của Indonesia.
PC3 có tỷ trọng lớn gồm CPI của Indonesia và Singapore, IPI có tỷ trọng và tác động cùng chiều với PC3 của Singapore và Phillipin. Tuy nhiên PC3 có đóng góp của cán cân thương mại ở các nước Indonesia và Philippin nhưng ảnh hưởng của cán cân thương mại đến PC3 Indonesia và Việt Nam cùng chiều và ngược chiều của thị trường Philippins.
PC4 chỉ có tỷ trọng thành phần của 02 thành phần chính là TB (cán cân thương mại) và IPI (sản lượng đầu ra). TB thặng dư đối với các nước Indoesisa, Malaysia và Philipins, IPI có tỷ trọng và biến động cùng chiều với PC4 tại các nước Indosia và Singapore. Riêng ở Việt Nam, PC4 có thành phần chính là tăng trưởng kinh tế (IPI).
Mặc dù tỷ trọng thành phần của mỗi PC ở các nước là khác nhau nhưng nhìn chung các PC này đều bao gồm thành phần chính là: IPI, CPI, TB, IR, FX và MS và những nhân tố này đều là các nhân tố chính của nền kinh tế và phản ánh chỉ số về tài chính, tiền tệ và sản xuất của nền kinh tế.
Tương tự, nghiên cứu tiến hành phân tích PCA với các biến vĩ mô và thị trường cổ phiếu toàn cầu. Kết quả nghiên cứu được trình bày ở bảng 5.7. Từ 9 biến vĩ mơ và thị trường cổ phiếutoàn cầu, nghiên cứu chọn được 4 PC chính với tổng tỷ trọng giải thích 80,2% các biến của dữ liệu ban đầu.
Bảng 5.7: Kết quả phân tích PCA cho các biến vĩ mơ và thịtrường cổ phiếu toàn cầu
PC 1 2 3 4 5 6 7 8 9
Eigenvalue 3.998 1.165 1.092 0.965 0.641 0.470 0.379 0.272 0.019
Tổng tỷ
trọng 0.444 0.574 0.695 0.802 0.873 0.926 0.968 0.998 1.000
Phân tích thành phần chính trong nhóm các biến số tồn cầu (World PCA) cho thấy PC1 có tỷ trọng 44,42%, PC2, PC 3, 4 chiếm tỷ trọng khoảng 11%, tổng 04 PCA đầu tiên chiếm tỷ trọng 80,22% trong PCA toàn cầu. Theo bảng 5.8, thành phần chính trong PC1 toàn cầu là lợi suất cổ phiếu thị trường toàn cầu (MSCI) và các thị trường cổ phiếu HongKong, Mỹ, Nhật Bản và Hàn quốc. PC2 bao gồm lợi suất giá vàng quốc tế (tác động cùng chiều) và sản lượng cơng nghiệp tồn cầu (tác động ngược chiều). PC3 bao gồm dầu, sản lượng cơng nghiệp tồn cầu (tác động cùng chiều) và lãi suất toàn cầu (tác động ngược chiều). PC4 đóng góp của 02 thành phần chính là OIL và WR có tương quan chặt chẽ với PC4.
Bảng 5.8: Bảng tóm tắt các thành phần chính trong PCA cho các biến số kinh tếvĩ mô và thịtrường cổ phiếu tồn cầu
Bảng 5.8 tóm tắt kết quả từ việc áp dụng PCA cho các biến số kinh tế vĩ mơ và thị trường cổ phiếu tồn cầu trong giai đoạn 20 năm 2001 - 2020. Thứ tự của các biến trong mỗi ơ dựa trên kích thước của tải nhân tố và chiều ảnh hưởng của mỗi PC nằm trong ngoặc đơn.
PC1 PC2 PC3 PC4 Thế giới HK, JP, KOR, US, WMSCI (+) GOL (+) WIPI (-) WIPI, OIL (+) WR (-) WR, OIL (+)