CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.4. Kiểm định kết quả hồi quy
4.4.1. Kiểm định phương sai thay đổi
Tác giả sử dụng kiểm định White để kiểm định phần dư của mô hình hồi quy qua đó xem xét phương sai nhiễu có thay đổi hay không.
Giả thiết H0: Phương sai của phần dư không đổi
Kết quả kiểm định White theo phương pháp hồi quy OLS cho mô hình CAPM mở rộng hai nhân tố CSKP và CKTP (bảng 4.7) cho thấy có 21/25 thị trường có giá trị p-value nhỏ hơn 0.05, nên dẫn đến kết luận bác bỏ giả thiết H0, tức kết quả hồi quy OLS cho mô hình CAPM mở rộng có hiện tượng phương sai sai số thay đổi. Điều này là chính là điểm hạn chế của phương pháp OLS khi sử dụng để ước lượng cho mô hình. Do đó, tác giả đã tiến hành sử dụng phương pháp hồi quy phân vị là phương pháp chính của đề tài để hạn chế các nhược điểm của phương pháp OLS, qua đó đem đến sự hiệu quả, chính xác trong việc ước lượng các giá trị hồi quy.
Bảng 4.7: Kết quả kiểm định phương sai sai số thay đổi theo phương pháp OLS
Thị trường Prob Kết quả kiểm định
Brazil 0.8935 Không đủ bằng chứng bác bỏ H0
Colombia 0.0000 Bác bỏ H0
Czech 0.0000 Bác bỏ H0
Chile 0.0000 Bác bỏ H0
China 0.0002 Bác bỏ H0
Egypt 0.0000 Bác bỏ H0
Greece 0.0072 Bác bỏ H0
Hungary 0.0055 Bác bỏ H0
India 0.3566 Không đủ bằng chứng bác bỏ H0
Indonesia 0.0041 Bác bỏ H0
Korea 0.0000 Bác bỏ H0
Malaysia 0.0000 Bác bỏ H0
Mexico 0.0013 Bác bỏ H0
Pakistan 0.0151 Bác bỏ H0
Peru 0.0000 Bác bỏ H
Poland 0.3944 Không đủ bằng chứng bác bỏ H0
Philippines 0.0089 Bác bỏ H0
Qatar 0.0000 Bác bỏ H0
Russia 0.1171 Không đủ bằng chứng bác bỏ H0
Saudi Arabia 0.0000 Bác bỏ H0
South Africa 0.0340 Bác bỏ H0
Taiwan 0.0000 Bác bỏ H0
Turkey 0.0031 Bác bỏ H0
Thailand 0.0000 Bác bỏ H0
United Ae 0.0000 Bác bỏ H0
(Nguồn:Tính toán của tác giả) 4.4.2. Kiểm định đa cộng tuyến
Tác giả sử dụng phương pháp kiểm định VIF để đánh giá tác động của hiện tượng tự tương quan, nội sinh trong mô hình. Vì phương pháp hồi quy phân vị chưa được hỗ trợ trong việc đánh giá yếu tố này, nên tác giả chỉ tập trung vào việc đánh giá tác động của hiện tượng đa cộng tuyến lên kết quả ước lượng của phương pháp hồi quy OLS.
Với việc đặt giả thiết H0: R2 = 0 tức là không có hiện tượng đa cộng tuyến. Kết quả thu được như sau:
Theo kết quả kiểm định đa cộng tuyến (xem bảng 4.8), phương pháp hồi quy phân vị có 3/3 biến có giá trị VIF < 10, dẫn đến việc không thể bác bỏ được giả thuyết H0. Tức không xảy ra hiện tượng đa cộng tuyến, tự tương quan trong trường hợp ước lượng hồi quy thông qua ba biến phần bù thị trường, phần bù Đồng độ lệch và Đồng độ gù.
Bảng 4.8: Kết quả hồi quy giữa các biến độc lập
VIF 1/VIF
RMP 2.05 0.488
CSK 1.07 0.996
CKT 2.09 0.936
(Nguồn: Tính toán của tác giả) 4.4.3. Kiểm định Robustness
Sau khi tiến hành ước lượng kết quả hồi quy theo phương pháp hồi quy phân vị, tác giả triển khai hồi quy dữ liệu bảng (với tất cả 25 thị trường mới nổi trong giai
đoạn nghiên cứu 657 tuần) để đảm bảo các nhân tố rủi ro đồng moments bậc cao có tác động đến những thị trường này cũng như tái kiểm định lại tính ổn định của phương pháp hồi quy phân vị. Tác giả thực hiện phương pháp Pooled – OLS, mô hình các ảnh hưởng cố định (FEM) và mô hình các ảnh hưởng ngẫu nhiên (REM) để kiểm tra tính vững của các giả thuyết nói trên (xem bảng 4.9). Sau khi kiểm tra dữ liệu nghiên cứu, ba nhân tố rủi ro thị trường, đồng độ lệch và đồng độ gù có mức ý nghĩa là 1%
cho cả ba phương pháp tiếp cận. Tuy nhiên, kiểm định cũng cho thấy TSSL của các thị trường chịu tác động âm từ nhân tố phần bù Đồng độ gù. Sau khi tiến hành kiểm định Hausman (xem bảng 4.10), tác giả quyết định chọn mô hình REM để ước lượng mô hình nghiên cứu (kết quả không có nhiều sự khác biệt giữa ba phương pháp tiếp cận). Theo kết quả kiểm định (xem bảng 4.11), tác giả nhận thấy phương pháp này phải đối mặt với tính không đồng nhất và tương quan nối tiếp ở mức độ đầu tiên. Do đó, mô hình nghiên cứu tiếp cận với tính vững, tính ổn định tổng thể cho toàn bộ dữ liệu thị trường các quốc gia mới nổi.
Bảng 4.9: Mô hình Pool-OLS, mô hình các ảnh hưởng cố định (FEM) và mô hình các ảnh hưởng ngẫu nhiên (REM) cho kiểm định robustness
Biến Pooled-OLS FEM REM
RMRF 0.6027503***
[0.0093551]
0.6027503***
[0.009353]
0.6027503***
[0.009353]
CSKP 0.1255972***
[0.0110196]
0.1255972***
[0.0110171]
0.1255972***
[0.0110171]
CKTP -0.0987943***
[0.0122943]
-0.0987943***
[0.0122915
-0.0987943***
[0.0122915]
_cons 0.0004734***
[0.0002092]
0.0004734***
[0.0002091]
0.0004734***
[0.0002396]
R2 hiệu chỉnh 0.3162 0.3164 0.3164
Số quan sát 16,425 16,425 16,425
(*), (**), (***) phản ánh mức ý nghĩa thống kê tương ứng với hệ số hồi quy tại mức 10%, 5% và 1%. Sai số chuẩn của hệ số tương ứng được phản ánh trong dấu ngoặc vuông. Hai dòng cuối của bảng phản ánh giá trị R2 điều chỉnh và số quan sát của mô hình bao gồm các nhân tố tác động đến mô hình.
(Nguồn: Tính toán của tác giả) Bảng 4.10. Kiểm định Hausman để lựa chọn giữa mô hình các ảnh hưởng cố
định (FEM) và các ảnh hưởng ngẫu nhiên (REM)
Biến (b)
Fixed (B) (b – B) SQRT(diag
(V_b-V_B)) RMRF 0.6027503 0.6027503 2.00e-15 2.33e-10
CSKP 0.1255972 0.1255972 -9.16e-16 CKTP -0.0987943 -0.0987943 -1.62e-15 Kết quả: Chọn mô hình các ảnh hưởng ngẫu nhiên (REM)
Ký hiệu: b=phù hợp theo H0 và Ha; thu được từ kết quả hồi quy trong khi B=không nhất quán với Ha, hiệu quả theo Ho; và được lấy từ kết quả hồi quy. Kiểm định: H0: sự khác biệt về hệ số không hệ thống. chi2(3)=(b-B)'[(V_b-V_B)(-1)](b-B). P-value = 1.000. (V_b-V_B không dương).
(Nguồn: Tính toán của tác giả) Bảng 4.11. Kiểm tra lỗi của các mô hình trên
Kiểm định Pooled-OLS FEM REM
Đa cộng tuyến Có Có Có
Phương sai sai số thay đổi Có Có Có
Tương quan nối tiếp Có Có Có
Tính không đồng nhất với độ trễ bậc 1 của các biến
phụ thuộc
Không Không Không
Ký hiệu: Tác giả sử dụng (VIF), hettest cho kiểm định phương sai sai số thay đổi và tương quan nối tiếp để xác định lỗi của các mô hình.
(Nguồn: Tính toán của tác giả)
CHƯƠNG 5: KẾT LUẬN VÀ HẠN CHẾ 5.1. Kết quả nghiên cứu
Kể từ năm 1976, khi Kraus & Litzeberger công bố nghiên cứu về tác động của nhân tố độ lệch (Skewness) lên TSSL cổ phiếu, các nhà nghiên cứu đã mở rộng nghiên cứu khi chỉ nhân tố độ lệch mà còn độ gù (Kurtosis). Bên cạnh đó, các nhà nghiên cứu như Harvey và Siddique (2000), Doan (2011), Kostakis và cộng sự (2012), Hassan và Kamil (2013), Ajibola và cộng sự (2014) đã tiến hành nghiên cứu tác động của hai yếu tố này lên nhiều thị trường bao gồm Mỹ, Anh, Úc, Pakistan,… và cả thị trường chứng khoán Việt nam. Ngoài việc tác động lên TSSL của chứng khoán, các nhà nghiên cứu như Serdar Neslihanoglu (2016), Soosung Hwang và cộng sự (1999) cũng tiến hành việc đo lường tác động của hai nhân tố rủi ro đồng độ lệch và đồng độ gù lên chỉ số chứng khoán đặc biệt là thị trường các quốc gia mới nổi.
Với việc dự kiến nâng hạng thị trường chứng khoán Việt nam từ thị trường ngoại biên lên thị trường mới nổi trong năm 2020, việc nghiên cứu tác động của các nhân tố lên chỉ số thị trường mới nổi càng có vai trò quan trọng trong cho các nhà quản lý trong việc xây dựng các kịch bản, chiến lược quản lý và quản trị rủi ro thị trường. Xuất phát từ mục tiêu này, tác giả đã tiến hành nghiên cứu tác động của các nhân tố bậc cao đồng độ lệch và đồng độ gù đến TSSL của chỉ số thị trường chứng khoán 25 quốc gia mới nổi trong giai đoạn từ tháng 4 năm 2005 đến tháng 11 năm 2017. Bằng việc sử dụng phương pháp hồi quy phân vị cho mô hình CAPM kết hợp hai nhân tố đồng độ lệch và đồng độ gù, tác giả nhận thấy nhân tố rủi ro đồng độ lệch và đồng độ gù có tác động đáng kể trong khoảng ý nghĩa từ 1% đến 10% bên cạnh yếu tố phần bù thị trường. Những nhân tố đồng moment bậc cao này có tác động đáng kể đến chỉ số chứng khoán của 25 quốc gia mới nổi theo phân loại của MSCI. Cụ thể, kết quả nghiên cứu cho thấy nhân tố phần bù rủi ro thị trường (RMP) có tác động đáng kể đến TSSL của 25 thị trường mới nổi trên cả năm mức phân vị 𝜏 = [0.1, 0.25, 0.5, 0.75, 0.9]. Nhân tố RMP có tác động cùng chiều đến TSSL của các chỉ số thị trường, điều này đã tái khẳng định lại các nghiên cứu trước đây về tác động của nhân tố RMP đến TSSL của thị trường các nước mới nổi. Trong khi đó, nhân tố
phần bù đồng độ lệch (CSKP) lại có mức tác động thấp hơn so với nhân tố RMP, chỉ khoảng 53/125 giá trị hồi quy có ý nghĩa ở mức từ 1% - 10% tại năm mức phân vị.
Nhân tố phần bù đồng độ lệch có tác động cùng chiều đến phần lớn TSSL của thị trường các quốc gia mới nổi. Khi xét đến nhân tố rủi ro đồng độ gù, có tổng 90/125 giá trị hệ số hồi quy có ý nghĩa thống kê từ 1% đến 10%. Trong đó, hầu hết các giá trị hệ số hồi quy của nhân tố này có ý nghĩa tại mức 1% (67/125). Điều này cho thấy nhân tố CKTP có tác động đáng kể đến TSSL của thị trường chứng khoán các quốc gia mới nổi. Về chiều hướng tác động, không giống như nhân tố CSKP, nhân tố CKTP có tác động hai phía (vừa cùng chiều, vừa ngược chiều) lên TSSL của thị trường các nước mới nổi. Trong đó, tác động của nhân tố này hầu như không có sự khác biệt đáng kể tại 5 mức phân vị khác nhau. Về mức độ giải thích của mô hình CAPM mở rộng hai nhân tố CSKP và CKTP, giá trị R2 điều chỉnh của mô hình đề xuất nằm trong vùng 3.7% đến 47.3%. Kết quả này cho thấy mô hình CAPM mở rộng hai nhân tố CSKP và CKTP có thể giải thích được sự biến động TSSL của thị trường các quốc gia mới nổi cao hơn đáng kể so với mô hình CAPM truyền thống (chỉ khoảng 2% - 40% Jeald et.al, 2017).
Tóm lại, nghiên cứu tái khẳng định được vai trò quan trọng của nhân tố RMP trong việc đo lường TSSL của các quốc gia mới nổi. Bên cạnh đó, hai nhân tố CSKP và CKTP cũng đóng vai trò quan trọng làm tăng khả năng dự báo TSSL của thị trường chứng khoán các quốc gia trong khu vực này. Về mức độ và chiều hướng tác động, nhân tố CSKP có mức tác động tương đối và chiều hướng tác động cùng chiều lên tỷ suất sinh lợi của chỉ số các quốc gia mới nổi. Đối với nhân tố CKTP, nhân tố này có mức tác động cao hơn so với nhân tố CSKP nhưng chiều hướng tác động trên cả hai mặt (vừa cùng chiều, vừa ngược chiều) lên tỷ suất sinh lợi của các chỉ số này. Cuối cùng, mô hình CAPM mở rộng hai nhân tố CSKP và CKTP có mức độ giải thích cao hơn so với mô hình CAPM truyền thống. Do đó, bài nghiên cứu đã trả lời được ba câu hỏi đầu tiên về sự tác động, mức độ - chiều hướng tác động cũng như khả năng giải thích của mô hình CAPM mở rộng.
5.2. Khuyến nghị
Dựa trên kết quả nghiên cứu cho thấy, mô hình CAPM truyền thống đặc biệt là nhân tố phần bù rủi ro thị trường vẫn đóng vai trò quan trọng trong việc giải thích biến động TSSL của tài sản. Bên cạnh đó, khi tăng cường các chứng khoán đến từ thị trường mới nổi có mức độ đồng lệch cao vào danh mục, TSSL kỳ vọng của danh mục sẽ có xu hướng tăng do tác động cùng chiều của nhân tố này đến TSSL. Đối với nhân tố phần bù rủi ro đồng độ gù, vì nhân tố này có tác động hai chiều đến tỷ suất sinh lợi nên có thể vừa làm gia tăng tỷ suất sinh lợi của danh mục đầu tư nhưng cũng có thể triệt tiêu đi tỷ suất sinh lời của danh mục. Do đó, để tối đa hóa lợi nhuận của danh mục đầu tư, các nhà đầu tư có thể đa dạng hóa danh mục đầu tư của mình thông qua việc tăng cường các chứng khoán đến từ thị trường có mức phần bù đồng độ lệch cao (cụ thể là việc tăng cường các cổ phiếu đến từ thị trường có độ lệch dương – positive coskewness và hạn chế các cổ phiếu đến từ thị trường có độ lệch âm – negative coskewness). Ngoài ra, các nhà đầu tư quốc tế khi đầu tư vào thị trường các quốc gia mới nổi cũng nên chú ý đến mức độ đồng độ gù của từng quốc gia trong khối thị trường này. Để thu được lợi nhuận tối đa cũng như hạn chế các tổn thất có thể xảy ra, các nhà đầu tư nên lựa chọn các thị trường có mức tác động cùng chiều của nhân tố rủi ro hệ thống đồng độ gù và hạn chế đầu tư vào các thị trường có mức tác động ngược chiều đối với nhân tố này.
Đối với các nhà điều hành chính sách tại các thị trường mới nổi (cũng như tại thị trường Việt nam), việc xây dựng một mô hình đo lường tỷ suất sinh lợi của thị trường khi mở rộng thêm hai nhân tố phần bù rủi ro hệ thống đồng độ lệch và đồng độ gù sẽ giúp các nhà đầu tư trong thị trường có thể tối ưu được lợi nhuận. Bên cạnh đó, mô hình CAPM mở rộng hai nhân tố CSKP và CKTP cũng cung cấp các thông tin về rủi ro hệ thống bao gồm tác động của thị trường, thị trường đang nằm trong vùng có mức đồng độ lệch cao hay thấp so với khu vực, mức đồng độ gù cao hay thấp so với khu vực. Qua đó, các nhà điều hành chính sách có thể đánh giá được tác động lây lan khi một nước trong khối xảy ra biến cố làm biến động tỷ suất sinh lợi trên thị trường quốc gia này, mức độ lây lan từ quốc gia này đến các quốc gia khác trong khối
là như thế nào và tác động từ thị trường tham chiếu đến quốc gia của họ ra sao và xây dựng các chính sách phòng ngừa, quản trị rủi ro cũng như cung cấp thông tin cho các nhà đầu tư để có thể bảo toàn tỷ suất sinh lợi.
5.3. Hạn chế của đề tài
Đề tài đã đánh giá các tác động của các nhân tố rủi ro hệ thống bao gồm rủi ro thị trường, rủi ro đồng độ lệch, rủi ro đồng độ gù lên tỷ suất sinh lợi của chỉ số chứng khoán tại 25 quốc gia mới nổi. Bằng việc so sánh tính hiệu quả trong việc ước lượng hệ số hồi quy giữa phương pháp hồi quy phân vị và hồi quy OLS để chỉ ra mô hình, phương pháp hồi quy phù hợp trong việc ước lượng tỷ suất sinh lợi của chỉ số chứng khoán. Mặc dù đã chứng minh, trả lời được các câu hỏi nghiên cứu cũng như xây dựng được khuyến nghị phù hợp cho các nhà đầu tư. Tuy nhiên, đề tài vẫn còn tồn tại một số hạn chế:
Như đã đề cập ở mục 2.4.3, một trong những hạn chế của phương pháp hồi quy phân vị cũng như hồi quy OLS là việc giả định dữ liệu tuân theo phân phối chuẩn.
Tuy nhiên, trong thực tế các bộ dữ liệu có phân bổ đuôi không tuân theo phân phối chuẩn, do đó việc sử dụng các phương pháp hồi quy này sẽ bị hạn chế trong việc ước lượng phân bổ đuôi. Để giải quyết vấn đề này, tác giả đề xuất kết hợp sử dụng phương pháp Copula trong việc ước tính phân phối đuôi của tỷ suất sinh lời chỉ số chứng khoán. Thông qua đó, kết quả ước lượng của mô hình sẽ được cải thiện một cách hiệu quả hơn.
Bên cạnh đó, vì bài viết chỉ được thực hiện trong giai đoạn từ tháng 4 năm 2005 đến tháng 11 năm 2017, nên chưa phản ánh được các sự kiện diễn ra trước giai đoạn này như cuộc khủng hoảng tài chính năm 1997 tác động đến một số quốc gia trong khu vực thị trường mới nổi. Do đó, tác giả đề xuất mở rộng thời gian nghiên cứu trước năm 1997 để phản ánh được các tác động của cuộc khủng hoảng tài chính Châu Á đến tỷ suất sinh lợi chỉ số các quốc gia trong khối mới nổi (Malaysia, China, Philippines, Thailand).
Cuối cùng, việc nghiên cứu tác động của của các nhân tố rủi ro hệ thống bậc cao như rủi ro đồng độ lệch, đồng độ gù đến chỉ số thị trường các quốc gia mới nổi có ý nghĩa rất quan trọng. Tuy nhiên, việc chỉ dừng lại ở khu vực này vẫn chưa chứng minh được khả năng ứng dụng rộng rãi của mô hình này lên việc ước lượng chỉ số ở các khu vực như khối liên minh Châu Âu (EU), khối các nền kinh tế lớn BRICS (Brasil, Nga, Ấn Độ, Trung Quốc, Nam Phi), cộng đồng kinh tế ASEAN.
5.4. Đề xuất hướng nghiên cứu tiếp theo
Bài nghiên cứu này là bằng chứng thực nghiệm trong việc tái khẳng định tầm quan trọng của nhân tố RMP, nhân tố CSKP và nhân tố CKTP trong việc đo lường TSSL của chỉ số thị trường chứng khoán các quốc gia mới nổi. Bên cạnh đó, việc tiếp cận thông qua phương pháp hồi quy phân vị cho cái nhìn tổng thể về tác động của ba nhân tố này đến thị trường 25 quốc gia mới nổi tại năm mức phân vị 𝜏 = [0.1, 0.25, 0.5, 0.75, 0.9]. Tuy nhiên, để nghiên cứu rõ hơn về tác động của các nhân tố này, tác giả đề xuất nên mở rộng chu kỳ quan sát lên 10 năm, 20 năm để phản ánh các yếu tố bất ổn qua đó cho thấy rõ hơn tác động của nhân tố đồng độ lệch (CSKP) rõ rệt hơn. Ngoài ra, việc thêm yếu tố biến giả như thị trường tăng hay giảm (nghiên cứu của Ajibola và cộng sự, 2015) sẽ cho các kết quả khác nhau về tác động của TSSL lên chỉ số chứng khoán tại các thị trường mới nổi.
Về phương diện phương pháp nghiên cứu, hai phương pháp hồi quy OLS và hồi quy phân vị vốn tồn tại nhiều hạn chế bên cạnh ưu điểm của nó. Đặc biệt chính là sự thiếu chính xác trong việc đo lường các dữ liệu thực nghiệm không tuân theo phân phối chuẩn hoặc có mối tương quan phi tuyến tính. Do đó, tác giả đề xuất các công trình nghiên cứu tiếp theo nên sử dụng các phương pháp hồi quy khác toàn diện hơn như việc kết hợp giữa hồi quy OLS và thuật toán xích chuyển Markov để phân vùng nghiên cứu từ đó đánh giá các tác động của từng chế độ trong suốt chu kỳ nghiên cứu.