CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp nghiên cứu
3.3.1 Nghiên cứu thời gian công bố BCTC đến SSL (mô hình 1)
Nghiên cứu sự kiện là phương pháp được ứng dụng rộng rãi trong các nghiên cứu về tài chính hiện nay để xem xét tính hiệu quả của thị trường và phản ứng của thị trường với sự kiện nghiên cứu như: công bố BCTC, thông báo về chi trả cổ tức, chia tách hoặc sát nhập công ty...Giả thuyết thị trường hiệu quả thường là lý thuyết nền tảng trong nghiên cứu sự kiện. Fama (1991) cho rằng nghiên cứu sự kiện là bằng chứng rõ ràng nhất về thị trường hiệu quả. Nếu giá cổ phiếu phản ánh đầy đủ các thông tin hiện có thì sự thay đổi trong giá cổ phiếu phản ánh thông tin mới. Do đó, phương pháp nghiên cứu sự kiện cho phép đánh giá tác động của một sự kiện đến giá chứng khoán và tác động đến SSL của chứng khoán xung quanh ngày xảy ra sự kiện.
Nghiên cứu sự kiện trở thành một phần quan trọng nhưng qua thời gian, phương pháp nghiên cứu chính vẫn là tính toán và kiểm định SSL và lợi nhuận bất thường tích lũy ở khung thời gian xung quanh sự kiện đã được sử dụng sớm nhất vào Dolly (1933). Một số nghiên cứu điển hình về vấn đề này như: Brown và Warner (1985) xem xét tính hiệu quả của thị trường dựa trên nghiên cứu lợi nhuận hàng ngày của cổ phiếu bằng phương pháp nghiên cứu sự kiện, nghiên cứu của MacKinlay (1997) về nguồn gốc và độ rộng của nghiên cứu sự kiện. Fama (1991) nghiên cứu về mối quan hệ của sự kiện nghiên cứu đến việc kiểm định tính hiệu quả của thị trường. Nghiên cứu của Bagnoli và cộng sự (2002) trình bày về tác động của việc CBTT tài chính đến lợi nhuận bất thường. Các nghiên cứu sự kiện gần đây như: Kothari và Warner (2005), Cichello và Lamdin (2006), Johnson (2007), Bajo (2010). Tại TTCK Việt Nam,
nghiên cứu sự kiện được áp dụng trong nghiên cứu của Vinh và Phượng (2014), Vinh và Kiếm (2014, 2016) nghiên cứu hiện tượng biến động thu nhập bất thường khi chia tách cổ phiếu như là một sự kiện cụ thể. Các bước của nghiên cứu được thực hiện như sau :
(1) Chuẩn bị - làm sạch dữ liệu; Thiết lập cửa sổ ước lượng và cửa sổ sự kiện Sự kiện nghiên cứu : Sự kiện trong luận án này là thời gian công bố BCTC của các công ty niêm yết, đó chính là ngày công bố BCTC đã kiểm toán của các công ty niêm yết. Tác giả tiến hành thống kê ngày công bố BCTC bằng cách xem thông tin trên từng BCTC (thống kê bằng tay) của các công ty niêm yết trên TTCK tại http://www.hsx.vn, http://www.hnx.vn, www.cophieu68.vn, nhằm xác định ngày công bố BCTC sớm, trễ và đúng giờ với chính bản thân công ty năm trước đó
Độ dài thời gian cho khung dự báo. Khung dự báo là khung thời gian trước khung sự kiện, độ dài của khung dự báo dùng làm cơ sở để ước lượng lợi nhuận kỳ vọng và SSL vượt trội của cổ phiếu và cũng là cơ sở trong việc tính toán các kiểm định AAR. Độ dài thời gian khung dự báo trong luận án này là 181 ngày [-90 , 90] tiếp cận theo nghiên cứu của Nguyen (2010), vì luận án sử dụng lợi nhuận theo ngày, đây là độ dài sự kiện trong nghiên cứu Nguyen (2010) được dùng để nghiên cứu tại các thị trường Anh, Pháp và Mỹ với mốc sự kiện là ngày công bố báo cáo thu nhập và phù hợp với đặc thù riêng về các quy định của VN trong khoảng thời gian nghiên cứu, theo các thông tư thông tư 09/2010/TT-BTC, thông tư 52/2012/TT-BTC và thông tư 155/2015/TT-BTC quy định các công ty công bố BCTC không quá 90 ngày kể từ ngày kết thúc năm tài chính.
Độ dài thời gian cho khung sự kiện: Đối với nghiên cứu sự kiện thì khung sự kiện có thể xem là quan trọng nhất phản ánh những tác động của sự kiện lên thị trường (hoặc một đối tượng nào đó) xung quanh các ngày xảy ra sự kiện. Tương tự như trường hợp độ dài thời gian cho khung dự báo là không có một chuẩn mực cố định chung nào cho độ dài thời gian của khung sự kiện mà phụ thuộc vào sự kiện và phân tích chủ quan của người thực hiện nghiên cứu. Nghiên cứu cũng tiếp cận theo khung sự kiện của Nguyen (2010) với độ dài thời gian cho khung sự kiện trong luận án là 11 ngày, từ [-5;+5].
Tóm lại, độ dài các khung thời gian trong nghiên cứu này gồm khung dự báo là [-90,90] , khung sự kiện [-5, 5]. Các khung thời gian được xác định như sơ đồ 3.1 sau:
Sơ đồ 3.1. Độ dài các khung thời gian trong nghiên cứu
Khung dự báo Khung sự kiện Khung sau sự kiện Estimation window Event window Post - event window
-90 -5 0 5 90
Nguồn: Hình vẽ của tác giả
(2) Xác định thông tin tốt, xấu ( UE) theo Bajo (2010) thì thông tin công bố được xem là thông tin tốt khi UE >0 và là thông tin xấu khi UE <0, và được xác định theo Begley, Joy và Paul Fischer (1998) với nguồn số liệu từ Thomson Reuter được tính như sau:
1 , ,
,t EPSit it
i EPS
UE
Với EPS được tính theo quy định của Sở giao dịch chứng khoán:
EPS = LN ( Lỗ) phân bổ cho cổ đông sở hữu cổ phiếu phổ thông Số cổ phiếu đang lưu hành bình quân trong kỳ
(3) Tính toán SSL (Rt): theo Breyley and Myers (2004), Nguyễn Anh Phong (2015) với nguồn số liệu từ Thomson Reuter.
Rt = Pt -Pt - 1 + Dt Pt - 1
Trong đó: Rt là suất sinh lợi cổ phiếu kỳ t; Pt là giá cổ phiếu tại thời điểm t Pt-1 là giá cổ phiếu tại thời điểm (t-1) ; Dt là cổ tức (nếu có) trong kỳ t (4) Tính toán suất sinh lời thị trường (Rm)
Với Rm là SSL thị trường, giá trị này được chọn là chỉ số VnIndex và HNXindex, căn cứ vào giá đóng cửa cuối mỗi ngày, Rm sẽ được tính bằng công thức sau:
- Đối với các công ty niêm yết tại HOSE :
Rm,t = Vnindexi,t – Vnindexi,t-1
Vnindexi,t-1 - Đối với các công ty niêm yết tại HNX:
Rm,t = HNX-Indexi,t – HNX-Indexi,t-1
HNX-Indexi,t-1
(5) Tính toán SSL vượt trội (AR):AR là tổng SSL từng chứng khoán và lợi nhuận của thị trường. Luận án thực hiện trên từng công ty để tính AR theo công thức sau :
ARi,t = Ri,t – αit– βRm Trong đó:
- ARit là lợi nhuận bất thường (abnormal return) của cổ phiếu i tại thời điểm t
- Ri,t tỷ suất sinh lợi của cổ phiếu i vào thời điểm t
- Rm : Suất sinh lời thị trường (HOSE hoặc HNX) tại thời điểm t - it là hằng số ; là rủi ro hệ thống.
(6) Xác định SSL vượt trội bình quân ( CAAR)
CAAR là tổng của những sự khác biệt giữa lợi nhuận kỳ vọng trên một cổ phiếu và lợi nhuận thực tế xuất phát từ việc công bố tin tức đến thị trường, được tính theo công thức sau:
Trong đó : AARt lợi nhuận vượt trội bình quân, được tính bằng trung bình AR đối với tất cả các công ty trong mẫu vào mỗi ngày t với ARi, t+k là lợi nhuận vượt trội i tại ngày t + k; là Lợi nhuận vượt trội cộng dồn của cổ phiếu i trong giai đoạn từ này t đến ngày t + k
Phương sai mẫu được tính theo công thức sau :
Trong đó : : Trung bình của AAR trong 181 ngày giao dịch, nếu không có ảnh hưởng của thu nhập tin tức CAR sẽ theo phân phối bình thường.
(7) Tiến hành sắp xếp CAAR của từng nhóm công ty này theo từng mốc sự kiện thời gian : [-5,- 4, -3,- 2, 0, 1, 2, 3, 4, 5 ] trong ngắn hạn, trong dài hạn [-90, -60, -30, - 10, 0, 10, 30, 60, 90 ] và phân theo 2 nhóm UE>0 và UE<0, để xem xét CAAR thay đổi như thế nào đối với từng nhóm công ty theo cách phân loại trên. Đồng thời nghiên cứu cũng xem xét phải ứng của thị trường (CAAR) trước và sau tin
tức công bố BCTC. Kết quả sẽ cho kết luận được là thời gian công bố BCTC có tác động như thế nào đối với SSL và thông tin xấu, tốt chứa đựng trong BCTC có tác động như thế nào đến CAAR.
(8) Nghiên cứu thực hiện kiểm định t-test để kiểm tra CAAR ≠ 0 trong mỗi trường hợp, và có ý nghĩa thống kê hay không thông qua phần mềm sử lý số liệu Stata 12.0.
(9) Để có cái nhìn cụ thể hơn đối với tác động của thời gian công bố BCTC chậm trễ, đúng giờ, và công bố sớm của các công ty niêm yết so với chính bản thân công ty với năm trước đó liền kề. Luận án cũng xem xét phản ứng của thị trường về thời gian của thông tin BCTC được công bố và xem xét đối với từng ngành cụ thể như ngành: Vật liêu cơ bản (Basic Materials), Hàng hóa tiêu dùng (Comsumer Goods), Dịch vụ tiêu dùng (Consumer Services), Chăm sóc sức khỏe (Health Care), Công nghiệp (Industrials), Năng lượng & Khí đốt (Oil & Gas), Công nghệ (Technology), và Các ngành khác (Other).
- Đối với Cty công bố lợi nhuận đúng giờ ( Bagloni, 2002) )
* (
CAARk,t 01UEk,t 4DknegUE,t 7 DnegUEk,t UEk,t - Đối với Cty công bố thông tin lợi nhuận trễ：(Bagloni, 2002)
)
*
*
） (
* (
)
* (
)
* (
CAAR
, ,
, 10 ,
, 8
, ,
7 , ,
5 ,
4 , 2 , 1 0 ,
t k negUE
t k late
t k negUE
t k late
t k
t i negUE
t k t
k late
t k negUE
t k late
t k t
k t
k
UE D
D D
D
UE D
UE D
D D
UE
- Đối với công ty công bố sớm (Bagloni, 2002)
)
*
* (
)
* (
)
* (
)
* (
CAAR
, ,
, 11 ,
, 9 ,
, 7
, ,
6 ,
4 ,
3 ,
1 0 ,
t i negUE
t k early
t k negUE
t k early
t k t
k negUE
t k
t k early
t k negUE
t k early
t k t
k t
k
UE D
D D
D UE
D
UE D
D D
UE
Trong đó:
CAARk,t : là SSL vượt trội bình quân tích lũy (Bagnoli,2002) của nhóm ngành k tại giai đoạn t. Với k bao gồm các ngành : Vật liêu cơ bản (Basic Materials), Hàng hóa tiêu dùng (Comsumer Goods), Dịch vụ tiêu dùng (Consumer Services), Chăm sóc sức khỏe (Health Care), Công nghiệp (Industrials), Năng lượng & Khí đốt (Oil &
Gas), Công nghệ (Technology), và Các ngành khác (Other).
Dlate : số ngày công bố trễ
Dearly : số ngày công bố sớm
Biến D* là các biến Dummy Variable
NegUE chỉ các loại cổ phiếu của các công ty có UE nhỏ hơn 0.
UE : là khác biệt giữa lợi nhuận vượt trội thực tế trên mỗi cổ phần và thu nhập trên mỗi cổ phần dự báo. (Begley, Joy và Paul Fischer 1998; Bajo, 2010)
(10) Thực hiện hồi quy thời gian công bố BCTC tác động đến SSL vượt trội
Trong luận án này, nghiên cứu tiếp cận theo phương pháp hồi quy bình phương bé nhất thông thường Pooled OLS của Bagnoli (2002) để xem xét cụ thể cho từng nhóm ngành cụ thể trong từng trường hợp công bố sớm, công bố trễ và công bố đúng giờ so với chính bản thân công ty năm trước liền kề. Đối với mô hình này, giả định về sự tự tương quan, phương sai thay đổi, những sự khác biệt về không gian và thời gian của từng biến quan sát đều không tác động đến. Vì vậy, tung độ gốc và độ dốc của các hệ số được giả định là không thay đổi theo thời gian và cả theo từng biến.
Mô hình hồi quy được biễu diễn như sau:
Yit = β1 + β2X2it + β3X3it + … + βkXkit + àit Trong đó: i = 1, 2, 3, ….n; t= 1, 2, 3, ….n
Luận án sử dụng phần mềm xử lý số liệu Stata 12.0 để phân tích thống kê mô tả, phân tích tương quan, và các kiểm định tự tương quan (Wooldridge test), phương sai thay đổi (Wald test) phân tích hồi quy dữ liệu bảng không cân bằng, để ước lượng mức độ tác động của thời gian công bố BCTC đến SSL. Nếu mô hình vi phạm các khuyết tật phương sai thay đổi và tự tương quan thì tác giả sẽ khắc phục bằng cách sử dụng hàm cluster để xử lý. Từ các kết quả hồi quy tìm được, cơ sở để bác bỏ hay chấp nhận các giả thuyết là căn cứ vào p-value của các hệ số liên quan, là nếu thấp hơn 10% thì bác bỏ. Đây là căn cứ để đưa ra các kết luận và khuyến nghị sau này.