5. Kết cấu đề tài
1.3.3 Các mô hình cải tiến để kiểm định các hiệu ứng niên lịch
Mặc dù việc nắm bắt sự biến động thất thường của số liệu tài chính theo chuỗi thời gian đóng vai trò quan trọng trong các nghiên cứu học thuật cũng như áp dụng trong định giá tài sản và quyền chọn, phải đến năm 1982 một mô hình cải tiến trong lĩnh vực này mới ra đời. Mô hình phương sai sai số thay đổi tự hồi quy (AutoRegressive Conditional Heteroskedasticity – ARCH) được giới thiệu bởi Engle là một trong những mô hình hiệu quả nhất có thể nắm bắt được hiện tượng phương sai thay đổi của số liệu theo chuỗi thời gian. Đến năm 1986 mô hình ARCH được Bollerslev cải tiến thành mô hình phương sai sai số thay đổi tự hồi quy tổng quát (Generalized AutoRegressive Conditional Heteroskedasticity – GARCH). Mô hình GARCH không phải là một mô hình hồi quy tuyến tính thông thường, nó có thể nắm bắt được ba đặc trưng thường thấy ở dữ liệu về tỷ suất sinh lời chứng khoán: độ nghiêng thống kê, độ nhọn thống kê và biến động theo cụm. Vì vậy, mô hình GARCH được sử dụng rộng rãi trong nghiên cứu ảnh hưởng trực tiếp của các sự kiện đến sự biến động của tỷ suất sinh lời các thị trường chứng khoán.
Choudhry (2000) tin rằng sử dụng mô hình GARCH sẽ mang lại kết quả chính xác hơn vì nó cho biết liệu tỷ suất sinh lời gia tăng có phải chỉ là phần thưởng cho mức rủi ro cao hơn vào ngày đó hay không. Choudhry đã áp dụng mô hình GARCH vào nghiên cứu của ông về hiệu ứng các ngày trong tuần tại thị trường chứng khoán các nước Ấn Độ, Indonesia, Malaysia, Philippines, Hàn Quốc, Đài Loan và Thái Lan từ tháng 1 năm 1990 đến tháng 6 năm 1995.
Nhiều học giả còn áp dụng những mô hình GARCH được hiệu chỉnh để phù hợp hơn với nghiên cứu của mình. Bollershev và Baillie (1989) cho rằng quy luật phân phối chuẩn với mô hình GARCH cần được thay thế bởi quy luật phân phối student-t bởi dữ liệu từ thị trường tài chính có độ nhọn thống kê
kurtosis lớn hơn đáng kể so với phân phối chuẩn. Chen và các cộng sự (2001) áp dụng mô hình GARCH (1, 1) với tổng hệ số của các đa thức độ trễ bằng 1. Mô hình này còn được biết đến là mô hình GARCH hợp nhất (Integrated Generalized Autoregressive Conditional Heteroskedasticity - IGARCH ), được áp dụng rộng rãi bởi các nghiên cứu trước đây bởi sự hiệu quả trong việc đo lường sự biến động của chuỗi dữ liệu tài chính theo thời gian.
Thông qua việc khái quát các nghiên cứu trước đây về hiệu ứng niên lịch và so sánh các mặt thuận lợi và hạn chế của các phương pháp nghiên cứu khác nhau, tác giả đã có được khung lý thuyết của nghiên cứu này. Trong chương tiếp theo, các phương pháp nghiên cứu được sử dụng sẽ được trình bày chi tiết.
