Vai trò dẫn dắt tỷ suất sinh lợi của mỹ và trung quốc đối với các quốc gia đông nam á

Trang i




















Mã số: 107

VAI TRÒ DẪN DẮT TỶ SUẤT SINH
LỢI CỦA MỸ VÀ TRUNG QUỐC ĐỐI
VỚI CÁC QUỐC GIA ĐÔNG NAM Á
Trang i


LỜI MỞ ĐẦU
Dự báo tỷ suất sinh lợi là một trong những mối quan tâm hàng đầu của giới đầu tư.

Tính cho đến nay, đã có rất nhiều bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi
của các mô hình định giá tài sản cũng như của các chỉ báo kinh tế quốc gia. Tuy nhiên,
những bài nghiên cứu về một chỉ báo dự đoán tỷ suất sinh lợi mới là tỷ suất sinh lợi
lấy trễ của Mỹ thì vẫn còn rất ít, đặc biệt nghiên cứu vai trò dẫn dắt tỷ suất sinh lợi
của Mỹ đối với các quốc gia Đông Nam Á thì gần như chưa có. Ngoài ra, nói đến
Đông Nam Á thì phải nói đến một cường quốc kinh tế láng giềng đó là Trung Quốc.
Do đó, với bộ dữ liệu các chỉ số chứng khoán quốc gia của Mỹ, Trung Quốc và sáu
quốc gia Đông Nam Á (Việt Nam, Thái Lan, Phillipines, Malaysia, Singapore,
Indonesia) trong giai đoạn 2007-2013, bài nghiên cứu xem xét vai trò dẫn dắt tỷ suất
sinh lợi của Mỹ và Trung Quốc đối với các quốc gia Đông Nam Á. Kết quả nghiên
cứu phát hiện ra rằng có bằng chứng cho thấy Mỹ thể hiện vai trò dẫn dắt tỷ suất sinh
lợi đối với hầu hết các quốc gia Đông Nam Á (trừ Phillipines và Singapore), nhưng
kết quả nghiên cứu này không bền vững khi kiểm định qua nhiều phương pháp và các
bộ dữ liệu khác nhau. Tuy nhiên, bằng chứng về vai trò dẫn dắt tỷ suất sinh lợi của
Mỹ đối với Việt Nam thì lại tương đối bền vững khi kiểm định bằng nhiều mô hình và
các bộ dữ liệu khác nhau. Còn đối với trường hợp của Trung Quốc thì không tìm thấy
những bằng chứng vững chắc cho thấy Trung Quốc thể hiện vai trò dẫn dắt đối với bất
kỳ quốc gia Đông Nam Á nào. Bên cạnh đó, tỷ suất sinh lợi của các quốc gia Đông
Nam Á thể hiện khả năng dự đoán giới hạn tỷ suất sinh lợi của Mỹ và tỷ suất sinh lợi
của từng quốc gia Đông Nam Á thể hiện khả năng dự đoán tỷ suất sinh lợi giới hạn
đối với nhau. Khi ước lượng mô hình khuếch tán thông tin, kết quả trên cả hai bộ dữ
liệu đều cho thấy các cú sốc tỷ suất sinh lợi của Mỹ được phản ánh hoàn toàn trong
giá cổ phiếu của các quốc gia Đông Nam Á (trừ Phillipines). Trường hợp của Trung
Quốc thì cho thấy các nước Đông Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc,
nhưng tìm thấy bằng chứng rất yếu cho thấy tỷ suất sinh lợi của Trung Quốc thể hiện
sự khuếch tán thông tin sang các nước Đông Nam Á. Do đó, hầu như không tìm thấy
bằng chứng cho thấy các cú sốc tỷ suất sinh lợi nảy sinh ở Trung Quốc tác động đến
tỷ suất sinh lợi của các quốc gia Đông Nam Á.
Trang ii

MỤC LỤC
1. GIỚI THIỆU: 1
2. TỔNG QUAN NGHIÊN CỨU: 8
2.1. Khung lý thuyết: 8
2.1.1. Sai lệch Stambaugh: 8
2.1.2. Chu trình wild bootstrap: 10
2.1.3. Phương pháp GMM (Generalized method of moments): 13
2.2. Các bằng chứng thực nghiệm trước đây: 16
2.2.1. Khả năng dự báo tỷ suất sinh lợi: 16
2.2.2. Mối quan hệ giữa sự khuếch tán thông tin và tác động dẫn dắt trễ: 19
2.3. Khung phân tích: 22
3. PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU: 24
3.1. Phương pháp nghiên cứu: 24
3.1.1. Mô hình hồi quy dự báo tiêu chuẩn: 24
3.1.2. Mô hình khả năng dự báo của tỷ suất sinh lợi quốc tế lấy trễ: 26
3.1.3. Mô hình khuếch tán thông tin: 28
3.1.4. Mô hình dự báo ngoài mẫu: 33
3.2. Dữ liệu: 35
3.2.1. Tỷ suất sinh lợi thặng dư hàng tuần: 37
3.2.2. Các biến kinh tế quốc gia: 39
4. KẾT QUẢ NGHIÊN CỨU: 50
4.1. Mô hình hồi quy dự báo tiêu chuẩn: 50
4.1.1. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của từng
quốc gia: 50
4.1.2. Mô hình hồi quy dự báo tiêu chuẩn dựa trên các biến số kinh tế của Mỹ
và Trung Quốc: 53
4.2. Mô hình khả năng dự đoán của tỷ suất sinh lợi quốc tế lấy trễ: 57
4.2.1. Kiểm định nhân quả Granger theo cặp: 57

4.2.2. Mô hình tổng quát: 63
4.3. Mô hình khuếch tán thông tin: 64
4.4. Mô hình dự báo ngoài mẫu: 69
Trang iii



5. THẢO LUẬN KẾT QUẢ NGHIÊN CỨU: 72
5.1. Tóm lược các kết quả thực nghiệm: 72
5.2. Hàm ý từ bài nghiên cứu: 75
5.2.1. Khía cạnh vĩ mô: 75
5.2.2. Khía cạnh nhà đầu tư quốc tế đối với thị trường chứng khoán Việt Nam:
76
5.3. Một số hạn chế nghiên cứu và đề xuất hướng nghiên cứu trong tương lai: 76
6. KẾT LUẬN 78




Trang iv



DANH MỤC TỪ VIẾT TẮT
MM: method of moment
GMM: general method of moments
GFD: Global Financial Data
MSCI: Morgan Stanley Capital International
AR (first-order autoregressive model): mô hình tự hồi quy bậc nhất
HR (historical average regression): hồi quy dựa trên trung bình lịch sử

PR (benchmark predictive regression): mô hình hồi quy dự báo tiêu chuẩn
MSFE (mean-squared forecast error): giá trị sai số dự báo bình phương trung bình
IV (Instrumental variables): phương pháp biến công cụ
2SLS (Two-stage least-squares): phương pháp ước lượng bình phương nhỏ nhất hai
giai đoạn
mARM (multipredictor augmented regression method): phương pháp hồi quy đa biến
cải tiến

Trang v



DANH MỤC BẢNG
Bảng 1: Thống kê tổng hợp tỷ suất sinh lợi thặng dư của các chỉ số chứng khoán quốc
gia theo tuần trong giai đoạn từ 06/2007 đến 06/2013: 38
Bảng 2: Kết quả ước lượng mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến 2013:06 50
Bảng 3: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo
của Mỹ, 2007:06 đến 2013:06 53
Bảng 4: Các kết quả ước lượng mô hình hồi quy dự báo dựa trên các nhân tố dự báo
của Trung Quốc, 2007:06 đến 2013:06 54
Bảng 5: Kết quả ước lượng mARM mô hình hồi quy dự báo tiêu chuẩn, 2007:06 đến
2013:06 56
Bảng 6: Kết quả kiểm định quan hệ nhân quả Granger theo cặp, từ 2007:06 đến
2013:06 58
Bảng 7: Kết quả kiểm định nhân quả Granger theo cặp kiểm soát các biến kinh tế bổ
sung, 2007:06-2013:06 60
Bảng 8: Kết quả ước lượng cho mô hình hồi quy gộp, từ 2007:06 đến 2013:06 63
Bảng 9: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Mỹ, từ
2007:06 đến 2013:06 65
Bảng 10: Kết quả ước lượng tham số trong mô hình khuếch tán thông tin của Trung

Quốc, từ 2007:06 đến 2013:06 67
Bảng 11: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Mỹ, từ 2007:06
đến 2013:06 69
Bảng 12: Khả năng dự báo ngoài mẫu của tỷ suất sinh lợi lấy trễ của Trung Quốc, từ
2007:06 đến 2013:06 71
Trang 1



1. GIỚI THIỆU:
Hiện nay, Mỹ vẫn là quốc gia thống trị nền kinh tế toàn cầu. Có rất nhiều lý do để
Mỹ giữ vị trí thống trị này, chẳng hạn như: Mỹ có nền kinh tế lớn nhất và hiệu quả
nhất thế giới với vai trò nhà sản xuất lớn nhất thế giới, chiếm 1/5 tổng sản lượng quốc
nội (GDP) toàn cầu. Đồng thời, Mỹ cũng dẫn đầu thế giới về sản xuất hàng hóa và Mỹ
cũng là một trong những nước xuất khẩu hàng hóa và dịch vụ lớn nhất thế giới, một
trong những nền kinh tế cạnh tranh nhất. Sự thống trị nền kinh tế toàn cầu của Mỹ
càng được củng cố khi Mỹ có những thương hiệu hàng đầu thế giới (năm 2013, 9
trong 10 thương hiệu hàng đầu thế giới là của Mỹ), có trữ lượng dầu mỏ lớn nhất thế
giới (theo báo cáo nghiên cứu của Cơ quan Năng lượng Quốc tế (IEA), Mỹ sẽ qua mặt
 Rập Xê t để trở thành nước sản xuất dầu lớn nhất thế giới vào năm 2017 và là nhà
xuất khẩu dầu lớn nhất thế giới vào năm 2020), có những trường đại học tốt nhất thế
giới (6 trong số 10 trường đại học tốt nhất thế giới trong năm 2012 đều có xuất xứ từ
Mỹ, theo đánh giá của công ty chuyên về giáo dục và du học Quacquarelli Symonds
(Anh)) và dẫn đầu thế giới về công nghệ (theo như nghiên cứu của US Trust, Mỹ vẫn
là nhà của các trang mạng xã hội hàng đầu thế giới, đồng thời vượt xa các nước khác
về lượng tiền chi tiêu cho phát triển công nghệ). Mặc dù cuộc khủng hoảng kinh tế thế
giới 2008 nổ ra làm cho nền kinh kinh tế Mỹ điêu đứng nhưng Mỹ vẫn là nền kinh tế
hàng đầu vì nhà đầu tư nước ngoài vẫn thích đổ tiền vào Mỹ và đồng đô la Mỹ vẫn là
đồng tiền vua với khoảng 60% dự trữ tiền tệ trên toàn cầu đã được đầu tư vào đồng đô
la Mỹ. Qua đó, có thể thấy sự thống trị của nền kinh tế Mỹ trên thế giới và tác động

mạnh mẽ của nền kinh tế Mỹ đồi với phần còn lại của thế giới.
Cạnh tranh gay gắt và tranh đua vị trí thống trị thế giới với Mỹ là Trung Quốc. Từ
năm 2010, Trung Quốc đã được xếp là quốc gia có nền kinh tế lớn thứ hai trên thế giới
sau Hoa Kỳ. Đồng thời, Trung Quốc được đánh giá là quốc gia có tốc độ tăng trưởng
kinh tế nhanh nhất thế giới. Hiện Trung Quốc là quốc gia xuất khẩu hàng hóa nhiều
nhất thế giới và nhập khẩu của Trung Quốc cũng được xếp thứ hai. Sức mạnh của nền
kinh tế Trung Quốc càng được khẳng định khi mặc dù Trung Quốc chỉ chiếm có 4%
GDP toàn thế giới, nhưng lại tiêu thụ tới 19% sản lượng dầu mỏ, 21% sản lượng xi
măng và gần 30% sản lượng thép toàn thế giới Bên cạnh đó, với môi trường kinh
Trang 2



doanh tốt hơn nên việc thu hút đầu tư nước ngoài của Trung Quốc ngày càng mạnh mẽ
với việc Trung Quốc đã giành được vị trí đối tác thương mại lớn nhất của 126 quốc
gia trên thế giới và đối tác thương mại lớn thứ hai của 79 nước khác. Còn về khía cạnh
tài chính, nếu như trước đó vào năm 2010, đồng Nhân Dân Tệ mới chỉ đứng thứ 17
trong số các đồng tiền được giao dịch nhiều nhất thì trong năm 2013, theo báo cáo
mới nhất của Ngân hàng Thanh toán quốc tế (BIS), đồng Nhân Dân Tệ của Trung
Quốc đã vượt đồng Krona của Thụy Điển và đồng đô la New Zealand để chiếm vị trí
số 9 trên bản xếp hạng các đồng tiền được giao dịch nhiều nhất trên thế giới. Sự kiện
này cũng đánh dấu cho sự trỗi dậy của siêu cường kinh tế số hai thế giới là Trung
Quốc, khẳng định tầm quan trọng của nền kinh tế nước này đối với kinh tế toàn cầu.
Vì vậy, có thể thấy tầm ảnh hưởng của nền kinh tế Trung Quốc đang ngày càng được
mở rộng và bao phủ với mật độ lớn hơn.
Vậy sự phát triển của hai nền kinh tế lớn nhất nhì thế giới (Mỹ, Trung Quốc) đã tác
động như thế nào đến khu vưc Đông Nam Á? Khu vực Đông Nam Á nổi lên là một
khu vực chiến lược về kinh tế và cũng là một địa bàn cạnh tranh chiến lược giữa nhiều
cường quốc. Khi nói đến khu vực Đông Nam Á , không thể không nói đến Hiệp hội
các quốc gia Đông Nam Á (ASEAN) với mười nước thành viên, với tổng dân số 600

triệu người và tổng thu nhập quốc nội 2.310 tỷ USD, là điểm thu hút sự quan tâm hàng
đầu của các cường quốc cũng như những trung tâm chính trị - kinh tế lớn trên thế giới.
Vai trò trung tâm của ASEAN đã được ghi nhận qua một số thành tựu quan trọng
trong lĩnh vực kinh tế và an ninh và ASEAN đã trở thành một động lực tăng trưởng
cho nền kinh tế thế giới. Một Cộng đồng chung ASEAN được hình thành sẽ tạo "sân
chơi" cho các quốc gia có cam kết chung hướng tới sự phát triển bền vững về kinh tế
cũng như hòa bình, ổn định và thịnh vượng cho khu vực này.
Tất cả các đối tác lớn của ASEAN, như Trung Quốc, Nhật Bản, Mỹ, Ấn Độ, Nga,
Liên minh châu Âu (EU) đều đang thực hiện các chính sách hướng về khu vực Đông
Nam Á với quy mô lớn, phù hợp với những biến động nhanh chóng của tình hình quốc
tế và khu vực. Sự mở rộng quy mô tác động đến khu vực Động Nam Á của các cường
quốc kinh tế thế giới có thể thấy rõ trong bốn năm qua, Trung Quốc trở thành đối tác
thương mại lớn nhất của ASEAN trong khi ASEAN tiếp tục duy trì là đối tác thương
Trang 3



mại lớn thứ ba của Trung Quốc. Tại Mỹ, chính sách "chuyển trục" định hướng Đông
Nam Á đang được tiến hành. Mỹ xác định khu vực Đông Nam Á như một công cụ
phục vụ nền kinh tế Mỹ trong tương lai, do đó chiến lược xoay trục của Mỹ liên quan
việc nước này sẽ trao quyền cho ASEAN góp phần xây dựng một cấu trúc kinh tế khu
vực, duy trì sự thịnh vượng chung. Tổng kim ngạch thương mại giữa ASEAN và Mỹ
đạt 198,8 tỷ USD năm 2011, đưa Mỹ trở thành đối tác thương mại lớn thứ tư của
ASEAN và trong cùng kỳ Mỹ cũng là nhà đầu tư lớn thứ ba trong ASEAN với tổng
vốn đầu tư hơn 5,8 tỷ USD. Qua đó cho thấy Mỹ đang quyết tâm tăng cường và củng
cố vai trò lớn hơn tại khu vực châu Á.
Từ những lập luận trên có thể thấy được sức mạnh kinh tế của Mỹ và Trung Quốc
trên thế giới và sự ảnh hưởng của hai nền kinh tế này đối với khu vực Đông Nam Á.
Tiếp theo là nói đến cuộc khủng hoàng kinh tế thế giới 2008, sự kiện kinh tế mang
tính lịch sử bởi sự tác động nặng nề cũng như mang tính toàn cầu của nó. Xuất phát từ

cuộc khủng hoảng tài chính của Mỹ và lan rộng toàn cầu, kéo theo sự sụp đổ hàng loạt
của các định chế tài chính khổng lồ như Bear Stearns, Lehman Brothers, Merill
Lynch hay sự điêu đứng của các hãng bảo hiểm AIG, Morgan Staley, thị trường chứng
khoán thế giới điên đảo, lúc này người ta bắt đầu nghi ngờ về tính hiệu quả của các
mô hình định giá tài sản cũng như các chỉ báo dự đoán tỷ suất sinh lợi, và bắt đầu đòi
hỏi về một chỉ báo cũng như một mô hình mới hiệu quả hơn. Chứng kiến sức mạnh
kinh tế của Mỹ và Trung Quốc trên thế giới và sự ảnh hưởng của hai nền kinh tế này
đối với khu vực Đông Nam Á, ý tưởng về một chỉ báo dự đoán tỷ suất sinh lợi mới ra
đời: tỷ suất sinh lợi chỉ số chứng khoán quốc gia của Mỹ và Trung Quốc.
Tính cho đến nay, đã có nhiều bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi,
chẳng hạn như nghiên cứu của Keim và Stambaugh (1986) đề xuất việc dự báo tỷ suất
sinh lợi thặng dư của bảy loại tài sản bằng ba biến số lấy trễ: chênh lệch lãi suất dài
hạn và lãi suất ngắn hạn, tỷ số S&P 500 so với trung bình trượt 45 năm của chỉ số
S&P 500, chỉ số chứng khoán của công ty nhỏ. Hầu hết các hệ số độ dốc đều có ý
nghĩa thống kê, cho thấy phần bù rủi ro kỳ vọng của nhiều tài sản thay đổi theo thời
gian một cách dự đoán được. Fama và French (1989) áp dụng một phương pháp tương
tự, sử dụng hai biến dự báo dựa trên trái phiếu, đó là chênh lệch giữa lợi suất trái
Trang 4



phiếu chính phủ dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn và chênh lệch giữa
lãi suất ngắn hạn và lãi suất dài hạn. Tác giả nhận thấy rằng cả hai biến này đều có
khả năng dự báo tỷ suất sinh lợi thặng dư của chứng khoán. Fama (1990) cho thấy
rằng tỷ suất sinh lợi thặng dư của chứng khoán có thể được dự báo bởi sản lượng công
nghiệp, sử dụng chuỗi giá trị thời gian theo tháng, theo quý và theo năm. Những
nghiên cứu khác thì sử dụng tỷ số tài chính như các biến dự báo của tỷ suất sinh lợi
chứng khoán. Fama và French (1984) cho rằng tỷ số cổ tức trên giá có một tác động
có ý nghĩa lên tỷ suất sinh lợi chứng khoán, và Campell và Shiller (1988) nhận thấy
rằng tỷ số cổ tức trên giá, cùng với tỷ lệ tăng trưởng của tỷ suất cổ tức, có khả năng dự

báo ý nghĩa đối với tỷ suất sinh lợi chứng khoán. Tỷ số cổ tức trên giá cũng được sử
dụng như là biến dự báo trong các bài nghiên cứu sau này, chẳng hạn như nghiên cứu
của Hodrick (1992). Kothari và Shanken (1997) thêm tỷ số giá trị sổ sách so với giá trị
thị trường như là một biến dự báo, và Lewellen (2003) nghiên cứu khả năng dự báo
của tỷ số thu nhập trên giá, tỷ số cổ tức trên giá và tỷ lệ tăng trưởng của cổ tức. Theo
như phương pháp kiểm định được phát triển trong bài nghiên cứu sau này, ba tỷ số
này (tỷ số thu nhập trên giá, tỷ số cổ tức trên giá và tỷ lệ tăng trưởng của cổ tức) có
khả năng dự báo mạnh hơn những dự báo trước đây. Ngoài ra, Pontiff và Schall
(1998) cũng nhận thấy tỷ số giá trị sổ sách so với giá trị thị trường dự báo được tỷ suất
sinh lợi chứng khoán. Những nhóm nghiên cứu về hồi quy dự báo khác sử dụng các
biến rủi ro và thanh khoản. French, Schwert và Stambaugh (1987) sử dụng phương sai
tỷ suất sinh lợi, mà thu được từ mô hình ARIMA, và Amihud (2002) và Jones (2002)
sử dụng nhiều phương pháp đo lường độ thanh khoản của thị trường chứng khoán. Kết
quả trong những bài nghiên cứu này nhìn chung cho thấy giá trị chuỗi thời gian của
những biến số này dự báo một cách có ý nghĩa tỷ suất sinh lợi thặng dư của chứng
khoán. Baker và Stein (2002) sử dụng tỷ lệ cổ phiếu mới phát hành cùng với tỷ số
thanh khoản và tỷ số cổ tức trên giá để dự báo tỷ suất sinh lợi chứng khoán. Tuy
nhiên, các bài nghiên cứu trên đây chủ yếu tập trung vào các chỉ báo kinh tế quốc gia
cũng như các chỉ số tài chính, có rất ít bài nghiên cứu xem xét khả năng dự báo của tỷ
suất sinh lợi lấy trễ của Mỹ và Trung Quốc. Do đó, từ những gợi ý trên, nhóm nghiên
cứu đã phát triển đề tài: “Vai trò dẫn dắt tỷ suất sinh lợi của Mỹ và Trung Quốc đối
với các quốc gia Đông Nam Á”.
Trang 5



Hướng đến mục tiêu nghiên cứu chính: Vai trò dẫn dắt tỷ suất sinh lợi của Mỹ và
Trung Quốc đối với các quốc gia Đông Nam Á. Bài nghiên cứu tập trung trả lời các
câu hỏi nghiên cứu:
- Liệu có tồn tại mối quan hệ dẫn dắt trễ (lead-lag relationship) giữa các tỷ suất

sinh lợi chỉ số chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia
Đông Nam Á?
- Tỷ suất sinh lợi lấy trễ của Mỹ và Trung Quốc có dự đoán một cách ý nghĩa tỷ
suất sinh lợi của các quốc gia Đông Nam Á hay không? Và ngược lại, tỷ suất
sinh lợi lấy trễ của các quốc gia Đông Nam Á có thể hiện khả năng dự đoán
một cách ý nghĩa tỷ suất sinh lợi của Mỹ và Trung Quốc không?
- Các cú sốc tỷ suất sinh lợi của Mỹ và Trung Quốc được phản ánh như thế nào
trong giá chỉ số chứng khoán quốc gia của các nước Đông Nam Á thông qua
mô hình khuếch tán thông tin?
- Liệu các mô hình hồi quy mà sử dụng tỷ suất sinh lợi lấy trễ của Mỹ/Trung
Quốc có thể hiện khả năng dự báo tốt hơn mô hình dự báo khác không ?
Từ thông tin thu thập được của FTSE về các chỉ số chứng khoán quốc gia của Mỹ,
Trung Quốc và sáu quốc giá Đông Nam Á (Việt Nam, Singapore, Thái Lan,
Phillipines, Indonesia, Malaysia), nhóm nghiên cứu tiến hành thu thập các dữ liệu cần
thiết từ tháng 6/2007 đến tháng 6/2013. Sau đó nhóm nghiên cứu tiến hành xây dựng
các biến số cần thiết theo tuần, bao gồm: (1) tỷ suất sinh lợi thặng dư của chỉ số chứng
khoán quốc gia (2) lãi suất T-bill 3 tháng, (3) tỷ suất cổ tức, (4) tỷ lệ lạm phát, (5) sản
lượng công nghiệp, (6) tỷ giá hối đoái, (7) chênh lệch giữa lãi suất ngắn hạn và lãi suất
dài hạn. Dựa trên các biến số chính trên đây, đầu tiên, bài nghiên cứu sử dụng phương
pháp hồi quy OLS thông thường, tuy nhiên gặp phải vấn đề kinh tế lượng là sai lệch
Stambaugh, do đó nhóm nghiên cứu sử dụng chu trình wild bootstrap để kiểm soát sai
lệch này. Sau đó, nhóm tiến hành kiểm định nhân quả Granger theo cặp để nghiên cứu
mối quan hệ dẫn dắt trễ. Ngoài ra, để xem xét các cú sốc tỷ suất sinh lợi của Mỹ và
Trung Quốc được phản ánh như thế nào trong giá chỉ số chứng khoán quốc gia của
các nước Đông Nam Á, nhóm tiếp tục ước lượng một mô hình khuếch tán thông tin
Trang 6



(new diffusion model) thông qua chu trình GMM (general method of moments). Từ

đó, kết quả nghiên cứu cho thấy:
- Có bằng chứng cho thấy Mỹ thể hiện vai trò dẫn dắt tỷ suất sinh lợi đối với hầu
hết các quốc gia Đông Nam Á (trừ Phillipines và Singapore), nhưng kết quả
nghiên cứu này không bền vững vì khi tiến hành thực hiện nhiều phương pháp
kiểm định khác nhau cũng như sử dụng các bộ dữ liệu khác nhau, thì kết quả
thể hiện chưa thực sự đồng nhất. Tuy nhiên, bằng chứng về vai trò dẫn dắt tỷ
suất sinh lợi của Mỹ đối với Việt Nam thì lại tương đối bền vững, dù cho có
kiểm định qua nhiều mô hình và các bộ dữ liệu khác nhau. Còn đối với việc
nghiên cứu xem liệu có tồn tại mối quan hệ dẫn dắt giữa tỷ suất sinh lợi lấy trễ
của Trung Quốc và tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các nước
Đông Nam Á không, thì sau khi kiểm định qua nhiều mô hình cũng như nhiều
bộ dữ liệu khác nhau vẫn không tìm thấy những bằng chứng vững chắc cho
thấy Trung Quốc thể hiện vai trò dẫn dắt đối với bất kỳ quốc gia Đông Nam Á
nào. Bên cạnh đó, tỷ suất sinh lợi lấy trễ của các quốc gia Đông Nam Á thể
hiện khả năng dự đoán giới hạn tỷ suất sinh lợi của Mỹ và tỷ suất sinh lợi lấy
trễ của từng quốc gia Đông Nam Á thể hiện khả năng dự đoán tỷ suất sinh lợi
giới hạn đối với nhau.
- Khi ước lượng mô hình khuếch tán thông tin, kết quả trên cả hai bộ dữ liệu đều
cho thấy các cú sốc tỷ suất sinh lợi của Mỹ được phản ánh hoàn toàn trong giá
chỉ số chứng khoán quốc gia của các nước Đông Nam Á (trừ Phillipines). Kết
quả kiểm định tác động của các cú sốc tỷ suất sinh lợi của Mỹ đối với thị
trường chứng khoán Phillipines đều bị bác bỏ một cách bền vững, khẳng định
rằng Phillipines độc lập với các của sốc tỷ suất sinh lợi của Mỹ. Còn đối với
Trung Quốc, bằng chứng kiểm định trên hai bộ dữ liệu đều cho thấy các nước
Đông Nam Á có liên kết kinh tế chặt chẽ với Trung Quốc, và tìm thấy bằng
chứng rất yếu cho thấy tỷ suất sinh lợi của Trung Quốc thể hiện sự khuếch tán
thông tin sang các nước Đông Nam Á. Do đó, với kết quả kiểm định cho thấy
hầu như không tìm thấy bằng chứng cho thấy các cú sốc tỷ suất sinh lợi nảy
sinh ở Trung Quốc tác động đến tỷ suất sinh lợi của các quốc gia Đông Nam Á.
Trang 7

- Ngoài ra, bằng chứng về khả năng dự báo của tỷ suất sinh lợi lấy trễ của Mỹ
đối với tỷ suất sinh lợi chứng khoán quốc gia của Việt Nam càng được củng cố
khi tiến hành so sánh khả năng dự báo của mô hình dự báo trên tỷ suất sinh lợi
lấy trễ của Mỹ với các mô hình dự báo khác thì mô hình dự báo trên tỷ suất
sinh lợi lấy trễ của Mỹ luôn thể hiện khả năng dự báo tốt hơn đối với Việt
Nam. Qua đó có thể thấy tỷ suất sinh lợi lấy trễ của Mỹ là một chỉ báo dự đoán
tiềm năng đối với tỷ suất sinh lợi chỉ số chứng khoán quốc gia của Việt Nam.
Phần tiếp theo của bài nghiên cứu sẽ bao gồm các phần sau:
- Phần 2 phân tích cụ thể khung lý thuyết kinh tế lượng bao gồm sai lệch Stambaugh
phát sinh trong quá trình hồi quy dự báo tiêu chuẩn, từ đó tổng quan về cách khắc
phục sai lệch này bằng chu trình wild bootstrap, cuối cùng là khái quát về chu trình
GMM khi nghiên cứu về sự khuếch tán thông tin. Ngoài ra, nêu lên các bằng
chứng thực nghiệm về các mô hình và các chỉ báo dự đoán tỷ suất sinh lợi, cũng
như các những phát hiện trước đây về mối quan hệ giữa sự khuếch tán thông tin và
tác động dẫn dắt trễ.
- Phần 3 trình bày phương pháp nghiên cứu, nguồn dữ liệu và mô tả chi tiết các chỉ
số chứng khoán quốc gia của Mỹ, Trung Quốc và các quốc gia Đông Nam Á.
- Phần 4 trình bày các kết quả nghiên cứu thực nghiệm của Mỹ, Trung Quốc và các
quốc gia Đông Nam Á trong giai đoạn từ tháng 6/2007 đến tháng 6/2013 thông qua
hồi quy OLS có tính đến sai lệch Stambaugh, phân tích nhân quả Granger cùng với
mô hình GMM.
- Phần 5 nêu các tranh luận liên quan, các hạn chế của bài nghiên cứu và nhấn mạnh
hàm ý từ kết quả nghiên cứu đến các quốc gia Đông Nam Á cũng như Mỹ và
Trung Quốc
- Phần 6 kết luận và tóm gọn các kết quả nghiên cứu chính.
Trang 8

2. TỔNG QUAN NGHIÊN CỨU:
2.1. Khung lý thuyết:
2.1.1. Sai lệch Stambaugh:
Trong nghiên cứu kinh tế và tài chính rất thường hay gặp các mô hình hồi quy chuỗi
thời gian trong đó các biến độc lập thường được “xác định trước” (chẳng hạn như lấy
trễ) so với các biến phụ thuộc, do đó vì tính chất này mà làm cho mô hình xuất hiện
một loại sai lệch, được gọi là sai lệch Stambaugh. Sai lệch Stambaugh có thể hiểu có
một cách khái quát như sau: đây là sai lệch xuất hiện trong quá trình hồi quy với một
biến hồi quy ngẫu nhiên lấy trễ. Biến hồi quy này tuân theo một quá trình hồi quy bậc
một và mô hình hồi quy bậc nhất của biến hồi quy này thì có thành phần nhiễu tương
quan với thành phần nhiễu của mô hình hồi quy ban đầu. Một trong những ví dụ điển
hình nhất mà thường xuất hiện loại sai lệch này là những mô hình hồi quy tỷ suất sinh
lợi thặng dư của danh mục đầu tư các chứng khoán với các biến hồi quy ngẫu nhiên
lấy trễ như là tỷ suất cổ tức, tỷ số giá trị thị trường chia cho giá trị sổ sách hay lãi suất
danh nghĩa. Để hiểu kỹ hơn, chúng ta xem xét một mô hình hồi quy tổng quát sau:


   

 

   (1)
Trong đó 

thường là tỷ suất sinh lợi của tài sản và 

là thường một biến từ tập
hợp thông tin có sẵn mà các nhà đầu tư có thể quan sát và thu thập được trước khi tỷ

suất sinh lợi được công bố. Ngoài ra, 

là một biến ngẫu nhiên và có thể tương quan
với thành phần nhiễu của mô hình hồi quy. Ví dụ, giả sử 

là tỷ suất sinh lợi thặng
dư của danh mục đầu tư chứng khoán trong tháng t+1, và giả sử 

là tỷ suất cổ tức
được quan sát tại thời điểm t. Nếu 

phụ thuộc vào giá tài sản cuối giai đoạn t, thì giá
trị của biến x vào cuối giai đoạn t+1 sẽ phản ánh sự thay đổi của giá tài sản (

)
trong suốt giai đoạn t+1, do đó trong một mô hình hồi quy như vậy, 

thì tương quan
với 

, hoặc






  (2)
trong đó  







 và  







.
Trang 9



Điều kiện trong phương trình (2) thường dẫn đến sai lệch mẫu hữu hạn đối với
giá trị ước lượng OLS của  (và ). Vấn đề sai lệch mẫu hữu hạn phát sinh trong
phương trình (1) cùng với các tính chất bổ sung như sau:


   

 

   (3)
trong đó  








 Từ phương trình (3) có thể thấy khi  càng lớn, đối với một
sự tương quan nhất định giữa 

và 

, thì sự tương quan giữa 

và 

càng
lớn.
Đối với việc xác định 

ở trên thì việc có được sai lệch của hệ số ước lượng 

thì
khá đơn giản. Cho  biểu thị giá trị ước lượng OLS của  trong phương trình (3). Lúc
này sai lệch của hệ số ước lượng 

được tính như sau:
Định lý:


  








 

(4)
Nhìn chung,  bị sai lệch trong các mẫu hữu hạn. Từ phương trình (4),  bị sai lệch
xuống (lên) nếu sự tương quan giữa 

và 

là dương (âm). Khi sự tương quan
giữa 

và 

tăng, thì sai lệch tăng. Ngoài ra, từ sự suy luận trên có thể đưa ra kết
quả là 

  









 


  


Từ việc xác định được sai lệch của hệ số hồi quy, thì tiếp theo cần xem xét thống kê t
bị lệch lạc như thế nào khi xuất hiện sự tương quan giữa 

và 

, mà được biểu
thị bởi . Khi  hay  lớn (gần bằng 1), thì phân phối thống kê t khác biệt đáng kể với
phân phối (chuẩn) tiệm cận. Nhìn chung, khi  dương, thì thống kê t bị sai lệch xuống
và hơi lệch về bên trái, và ngược lại khi  âm.
Tóm lại, trong các mô hình hồi quy chuỗi thời gian, khi tiến hành hồi quy với một
biến hồi quy ngẫu nhiên lấy trễ, thì thành phần nhiễu của mô hình hồi quy sẽ tương
quan với thành phần nhiễu của biến hồi quy, trong đó biến hồi quy tuân theo một quá
trình hồi quy bậc một, thì lúc này làm xuất hiện sai lệch mẫu hữu hạn. Khi sự tương
quan này là dương (âm), thì thống kê t và hệ số độ dốc của phương thức ước lượng bị
lệch xuống (lệch lên). Đồng thời sai lệch trong hệ số độ dốc OLS tỷ lệ thuận với sai
lệch của hệ số tự tương quan được ước lượng của biến hồi quy. Ngày nay, để có thể
Trang 10



kiểm soát sai lệch này, nhiều nhà nghiên cứu đã sử dụng một thủ thuật gọi là chu trình
wild bootstrap.

2.1.2. Chu trình wild bootstrap:
Như đã biết thì phương pháp bootstrap là tập hợp một số kỹ thuật phân tích dựa vào
nguyên lý chọn mẫu có hoàn lại để ước tính các thông số thống kê mà thống kê thông
thường không giải thích được. Phương pháp bootstrap do nhà thống kê học Bradley
Efron thuộc đại học Stanford (Mĩ) phát triển từ cuối thập niên 1979 nhưng đến khi
máy tính được sử dụng phổ biến thì phương pháp này mới trở thành phương pháp phổ
biến trong phân tích thống kê và được ứng dụng rộng rãi trong rất nhiều lĩnh vực khoa
học. Phương pháp boostrap được xem là phương pháp chuẩn trong phân tích thống kê
và đã làm nên một cuộc cách mạng trong thống kê vì nó giải quyết được nhiều vấn đề
mà trước đây tưởng như không giải quyết được. Tư tưởng chính của phương pháp
bootstrap được thể hiện như sau: Phương pháp bootstrap là phương pháp lấy mẫu có
hoàn lại, nghĩa là một quan sát có thể xuất hiện nhiều lần trong mỗi lần lấy mẫu. Các
quan sát có thể được lặp lại trong mẫu và đây là đặc trưng của phương pháp bootstrap.
Nếu như tư tưởng chính của boostrap rất đơn giản là lấy mẫu hoàn lại, vậy tại sao cần
dùng phương pháp bootstrap? Trong thực tế, từ một mẫu ta chỉ có thể có được một số
trung bình của mẫu, ta không biết được khoảng tin cậy cho số trung bình này hoặc
không biết được phân bố của số trung bình ra sao. Thêm vào đó thực tế ta không biết
được hàm phân bố của tổng thể nên việc ước lượng các tham số đặc trưng thống kê rất
khó khăn và thiếu chính xác. Phương pháp bootstrap có thể cung cấp nhiều thông tin
chi tiết hơn về phân phối của số trung bình, khoảng tin cậy cũng như xác suất của số
trung bình dựa trên một mẫu duy nhất. Sử dụng phương pháp bootstrap, ta không cần
biết phân phối thực sự của tổng thể vì trên thực tế cũng rất khó để biết được, chỉ với
một mẫu dữ liệu ban đầu, thông qua phương pháp lấy mẫu có hoàn lại, ta có thể sinh
ra nhiều mẫu mới theo yêu cầu nghiên cứu, từ đó ta có thể ước lượng được các tham
số đặc trưng của nghiên cứu thống kê như (khoảng tin cậy, phương sai, độ lêch
chuẩn,…). Ý tưởng chìa khóa để làm nên thành công của phương pháp Bootstrap là
“đối xử với mẫu như là tổng thể” cùng với phương pháp lấy mẫu có hoàn lại.
Trang 11

Với ý tưởng “đối xử với mẫu như là tổng thể” này của phương pháp bootstrap
đã được nhiều nhà nghiên cứu kinh tế và tài chính phát triển để có thể cho ra đời các
phương pháp mà khắc phục những hạn chế trong hồi quy, một trong những phương
pháp mà nhóm đã áp dụng cho bài nghiên cứu này là phương pháp wild bootstrap.
Trong bài nghiên cứu của nhóm, khi phân tích khả năng dự báo tỷ suất sinh lợi, về cơ
bản nhóm sử dụng phương thức ước lượng bình phương nhỏ nhất (OLS) trong phân
tích. Tuy nhiên, các bài nghiên cứu trước đây về khả năng dự báo tỷ suất sinh lợi đã
dẫn chứng nhiều vấn đề kinh tế lượng liên quan đến các mô hình hồi quy dự báo
(Nelson và Kim, 1993; Mark, 1995; Stambaugh 1999). Đặc biệt, bài nghiên cứu của
Stambaugh (1999) cho thấy có một sai lệch trong hệ số dự báo được ước lượng trong
mô hình hồi quy dự báo tỷ suất sinh lợi chứng khoán dựa trên các biến hồi quy ngẫu
nhiên lấy trễ như tỷ suất cổ tức, lãi suất danh nghĩa, tỷ số giá trị thị trường so với giá
trị sổ sách. Như đã nói rõ ở phần sai lệch Stambaugh, sai lệch này phát sinh bởi vì
phần dư trong những biến hồi quy tương quan đồng thời (thường thường là tương
quan âm) với phần dư của mô hình hồi quy dự báo tỷ suất sinh lợi chứng khoán. Đặc
biệt, sai lệch này càng rõ ràng hơn khi mối tương quan đồng thời giữa các thành phần
nhiễu mạnh, tính bền vững của các biến chỉ báo cao, hoặc quy mô mẫu nhỏ. Có thể
thấy, tỷ suất sinh lợi thị trường nhiều giai đoạn và các biến kinh tế vĩ mô theo thời
gian thường tự tương quan với nhau và có phương sai thay đổi có điều kiện, điều này
có thể làm mất hiệu lực của chu trình bootstrap mà dựa trên sai số i.i.d (i.i.d: sai số
phân phối đồng nhất độc lập có trung bình bằng 0 và phương sai không đổi) (xem
nghiên cứu của Goncalves và Kilian, 2004). Do đó, để đánh giá những vấn đề thống
kê này, nhóm thực hiện chu trình wild bootstrap theo như nghiên cứu của Goncalves
và Kilian, áp đặt giả thuyết không là không có khả năng dự báo khi tính các giá trị tới
hạn, và thể hiện các giá trị p-values cho mỗi ước lượng tham số.
Nhóm nghiên cứu chu trình wild bootstrap này trong mô hình tự hồi quy bậc 1. Chu
trình bootstrap này bao gồm một vài bước. Bước 1 là bắt đầu ước lượng hai phương
trình sau cùng nhau bằng OLS:



   

 

(5)


   

 

(6)
Trang 12



Tại đây, phương trình (5) và (6) biểu thị các đặc điểm của mô hình dự báo chung được
sử dụng trong bài nghiên cứu và sự biến động của các biến dự báo. Lưu ý rằng trong
trường hợp hồi quy đa biến thì biến dự báo  là một biến vector và phương trình (6)
trở thành một quá trình tự hồi quy theo vector bị giới hạn (VAR). Phần dư của hai
phương trình  và , có một ma trận phương sai-hiệp phương sai . Với các giá trị
ước lượng OLS của các tham số trong hai phương trình, thì tiếp tục tính và lưu trữ giá
trị phần dư để cho quá trình lấy mẫu. Bước thứ hai là rút ra một cách ngẫu nhiên (có
hoàn lại) giá trị phần dư



, và sẽ tạo ra hai chuỗi dữ liệu thời gian bootstrap





bằng cách sử dụng ước lượng OLS thu được ở bước 1 và áp đặt giả thuyết không có
khả năng dự báo. Đặc biệt, quả trình tạo dữ liệu trong bước này được giả định như
sau:


   



(7)


   

 

(8)
Lưu ý rằng thành phần sai số trong phương trình (7) là sản phẩm của 

và 

, trong
đó 

là phần dư của mô hình hồi quy từ bước 1 và 

là một biến ngẫu nhiên có

trung bình bằng 0 và phương sai bằng 1. Theo chu trình wild bootstrap, biến ngẫu
nhiên 

được bao gồm trong thành phần sai số trong phương trình (7) để đánh giá tốt
hơn sự tự tương quan tiềm năng và vấn đề phương sai thay đổi (có điều kiện) trong dữ
liệu. Bước 3 là ước lượng lại phương trình (5) và (6) cùng nhau bằng OLS sử dụng
chuỗi dữ liệu thời gian bootstrap



để thu được giá trị ước lượng của các tham số




. Bước 4, tác giả lặp lại bước 2-3 với N lần, và với mỗi lần lặp lại sẽ thu
được các giá trị ước lượng tham số bootstrap. Cuối cùng là tính giá trị p-values
bootstrap cho từng ước lượng tham số như là tỷ lệ của N lần lặp lại này trong đó giá trị
tuyệt đối của ước lượng bootstrap của tham số nhất định, giá trị mà thu được từ bước
3, lớn hơn giá trị tuyệt đối của ước lượng OLS của các tham số tương ứng, giá trị mà
thu được từ bước 1. Trong trường hợp sai lệch Stambaugh (1999), chu trình bootstrap
này có hai giá trị: nó không chỉ giữ gìn cấu trúc tự tương quan của các biến chỉ báo mà
còn giữa lại cấu trúc tương quan chéo của các phần dư của hai phương trình trên (theo
như nghiên cứu của Welch và Goyal, 2008). Ngoài ra, chu trình wild bootstrap còn
xem xét vấn đề phương sai thay đổi (có điều kiện) tiềm tàng của những dạng chưa
Trang 13



nhận biết được tồn tại trong dữ liệu (theo như nghiên cứu của Goncalves và Kilian,

2004). Kết quả là phương pháp bootstrap này giúp đánh giá vấn đề thống kê liên quan
đến mô hình hồi quy dự báo mà bài nghiên cứu có khả năng phải đối mặt. Khi thực
hiện chu trình boostrap, nhóm đã thiêt lập số lần lặp lại là 2000 lần.
2.1.3. Phương pháp GMM (General method of moments):
GMM là tên chung của một họ phương pháp hồi quy hoặc ước lượng để xác định các
thông số của mô hình thống kê hoặc mô hình kinh tế lượng. GMM được sử dụng để
tìm hoặc dự tính các thông số của mô hình tham số hay phi tham số. GMM được phát
triển bởi Lars Hansen năm 1982 từ việc tổng quát hóa phương pháp hồi quy theo
moments. GMM được sử dụng nhiều cho dữ liệu bảng (panel data), đặc biệt khi T nhỏ
hơn N nhiều lần hoặc dữ liệu không đồng nhất. Ngoài ra, GMM cho phép ước lượng
đối với mô hình phi tuyến lẫn mô hình tuyến tính. Đồng thời, GMM cũng cho phép
ước lượng mô hình có hiện tượng nội sinh và cho kết quả ước lượng ổn định.
Ý tưởng chính của phương pháp GMM là GMM sử dụng giả định về moment của các
biến ngẫu nhiên để lấy được hàm mục tiêu. Trong đó, moment được giả định của các
biến ngẫu nhiên được biết như là những moment tổng thể, còn dữ liệu sẽ cung cấp các
moment của mẫu. Từ đó, ta sẽ tối thiểu hóa hàm mục tiêu để lựa chọn tham số mà
mang lại sự khác biệt nhỏ nhất giữa moment tổng thể và moment của mẫu.
Sơ lược về GMM là đối với từng moment tổng thể được giả định, ta nhận được một
điều kiện moment tổng thể. Còn đối với từng điều kiện moment tổng thể, có một điều
kiện moment mẫu. Trong phương pháp MM, ta có số lượng điều kiện moment mẫu
bằng với số lượng tham số. Trong phương pháp GMM, tác giả có số lượng điều kiện
moment mẫu nhiều hơn số lượng tham số.
2.1.3.1. Phương pháp MM (Method of moments):
Một trường hợp điển hình và đơn giản của phương pháp GMM là phương pháp MM
cho phép ước lượng trung bình của một phân phối của mẫu, phương sai của phương
sai mẫu, v.v… Nếu ta muốn ước lượng   



thì ta có điều kiện moment tổng thể

là




   
Trang 14



Lúc này, điều kiện moment mẫu:







   
Và cuối cùng thu được giá trị ước lượng tham số bằng cách giải phương trình điều
kiện moment mẫu. Nói chung, phương thức ước lượng mà giải phương trình moment
mẫu để tạo ra các giá trị ước lượng thì được gọi là phương thức ước lượng MM.
Phương pháp bình phương nhỏ nhất (OLS) là một phương thức ước lượng MM. Ta có
thể thấy phương pháp OLS ước lượng các tham số của các kỳ vọng có điều kiện của
phương trình 

 

 


dưới giả định rằng 





 . Lý thuyết xác suất chuẩn
hàm ý rằng:






 





 
Vì vậy điều kiện moment tổng thể cho OLS là:




  

 
Điều kiện moment mẫu tương ứng:




 




 





 
Giải  được:



  








 








2.1.3.2. Phương pháp GMM (General method of moments):
Có thể thấy phương pháp MM chỉ hiệu quả khi số lượng điều kiện moment bằng với
số lượng tham số để ước lượng. Nếu có nhiều điều kiện moment hơn tham số, hệ
phương trình đại số quá mức xác định và không thể giải được. Do đó, phương thức
ước lượng GMM lựa chọn các ước lượng mà giảm thiểu được hình thức bậc 2 của các
điều kiện moment.
+ GMM gần như có thể giải quyết được hệ phương trình trên mức xác định.
Trang 15



+ GMM chuyển thành MM khi số lượng tham số bằng với số lượng điều kiện
moment.
Định nghĩa phương thức ước lượng GMM (General method of moments):
Câu hỏi nghiên cứu hàm ý q điều kiện moment tổng thể








 

Trong đó, m là   vector các hàm có giá trị kỳ vọng tổng thể bằng 0, 

là dữ liệu
trên đối tượng i,  là    vector tham số,   . Lúc này, moment mẫu tương ứng
với moment tổng thể:

















Khi   , GMM lựa chọn các tham số mà gần như có thể giải được hệ phương trình
moment quá mức xác định (over-identified):



 



Một vài tính chất của GMM:
Ta có



 


 Khi k=q, phương thức ước lượng MM giải  một cách chính xác nên









 .
 W chỉ tác động đến hiệu quả của phương thức ước lượng GMM
 Đặt W=I tạo ra các ước lượng phù hợp nhưng không hiệu quả.
 Đặt W=




tạo ra một phương thức ước lượng GMM hiệu quả.
 Ta có thể thực hiện nhiều bước để đạt được một phương thức ước lượng GMM
hiệu quả
1. Để W=I và thu được




 


2. Sử dụng 


để thu được 

, đây là một ước lượng của 





3. Thu được
Trang 16






 





4. Lặp lại bước 2 và bước 3 sử dụng 


thay cho 



Phương pháp IV (Instrumental variables) và 2 SLS (Two-stage least-squares):
Phương pháp biến công cụ (IV) và phương pháp ước lượng bình phương nhỏ nhất hai
giai đoạn (2 SLS) là hai trường hợp đặc biệt của GMM.
 Đối với một vài biến, giả định 





  quá mạnh và ta cần cho phép 






.
 Nếu ta có q biến z mà 






  và tương quan giữa z và x đủ mạnh, ta có thể
ước lượng  từ các điều kiện moment tổng thể




  

 
 z được biết như là các biến công cụ.
 Nếu số lượng biến z và x bằng nhau (q=k), giải điều kiện moment mẫu thì sẽ tạo ra
phương thức ước lượng MM cũng là phương thức ước lượng biến công cụ (IV)
 Nếu có nhiều biến z hơn biến x (q>k) và ta cho phép  











trong
phương thức ước lượng GMM, thì ta sẽ thu được phương thức ước lượng bình
phương ít nhất hai giai đoạn (2SLS).
Nói tóm lại, GMM là cách tự nhiên để ước lượng các phương trình, là phương pháp
ước lượng tổng quát, bao gồm nhiều phương pháp hồi quy khác nhau (IV, MM, 2
SLS, OLS,…)

2.2. Các bằng chứng thực nghiệm trước đây:
2.2.1. Khả năng dự báo tỷ suất sinh lợi:
50 năm trước, Kendall (1953) quan sát thấy rằng giá chứng khoán dường như thay đổi
ngẫu nhiên theo thời gian. Kendall, và nhiều bài nghiên cứu trước đó về thị trường
hiệu quả đã kiểm định xem sự thay đổi giá có thể được dự đoán bằng cách sử dụng tỷ
suất sinh lợi quá khứ được không. Các kiểm định thực nghiêm sau đó mở rộng đối với
các biến dự báo khác, bao gồm lãi suất, chênh lệch giữa lởi suất trái phiếu chính phủ
dài hạn và lợi suất trái phiếu doanh nghiệp dài hạn, tỷ suất cổ tức, tỷ số giá trị thị
trường so với giá trị sổ sách, và tỷ số thu nhập trên giá (Fama và Schwert, 1977;
Campbell, 1987; Fama và French, 1988; Campbell và Shiller, 1988; Kothari và
Trang 17



Shanken, 1997). Và các bài nghiên cứu trước đây tập trung nhiều hơn vào khả năng
dự báo của tỷ suất cổ tức và tìm thấy các bằng chứng cho thấy tỷ suất cổ tức có thể dự
đoán tỷ suất sinh lợi thị trường. Sau này, bài nghiên cứu của Lewellen (2004) cũng
xem xét xem các tỷ số tài chính (chẳng hạn như tỷ suất cổ tức) có thể dự đoán tỷ suất
sinh lợi chứng khoán được không. Lewellen (2004) nhận thấy rằng tỷ suất cổ tức dự
báo được tỷ suất sinh lợi thị trường trong suốt giai đoạn 1946-2000, cũng như trong
nhiều mẫu con khác nhau. Tỷ số giá trị sổ sách so với giá trị thị trường và tỷ số thu
nhập trên giá có thể dự đoán tỷ suất sinh lợi trong mẫu nhỏ hơn giai đoạn1963-2000.
Các bằng chứng này tiếp tục bền vững dù cho có sự tăng giá bất thường trong những
năm nghiên cứu.
Có thể thấy các bài nghiên cứu trước đây tập trung nhiều vào khả năng dự đoán tỷ suất
sinh lợi chứng khoán của tỷ suất cổ tức, Ang và Bekaert (2010) cũng không ngoại lệ.
Ang và Bekaert (2010) nghiên cứu khả năng dự báo của tỷ suất cổ tức đối với việc dự
báo tỷ suất sinh lợi thặng dư, dòng tiền và lãi suất. Kết quả cho thấy tỷ suất cổ tức dự
báo được tỷ suất sinh lợi thặng dư trong một giai đoạn ngắn và khả năng dự báo của tỷ
suất cổ tức được nâng cao đáng kể trong ngắn hạn trong hồi quy hai biến (nhị phân)

với lãi suất ngắn hạn. Đồng thời, trong ngắn hạn, lãi suất ngắn hạn dự báo âm tỷ suất
sinh lợi một cách bền vững, phù hợp với những bài nghiên cứu trước đây (Fama và
Schwert (1977)) cũng cho rằng lãi suất ngắn hạn là biến dự báo bền vững cho tỷ suất
sinh lợi thặng dư. Hơn nữa, những kết quả này khá bền vững đối với các dữ liệu quốc
tế. Còn trong dài hạn, khả năng dự báo tỷ suất sinh lợi thặng dư bởi tỷ suất cổ tức
không có ý nghĩa về mặt thống kê, không vững bền giữa các quốc gia, và không vững
bền giữa các giai đoạn mẫu khác nhau.
Tiếp tục nghiên cứu về khả năng dự báo tỷ suất sinh lợi chứng khoán, Hjalmarsson
(2008) đã kiểm định khả năng dự báo tỷ suất sinh lợi chứng khoán trên một tập hợp
dữ liệu lớn nhất và bao quát nhất, sử dụng 4 biến dự báo thông thường: tỷ số cổ tức
trên giá, tỷ số thu nhập trên giá, lãi suất ngắn hạn, và chênh lệch lãi suất ngắn hạn và
dài hạn. Dữ liệu bao gồm trên 20,000 quan sát theo tháng từ 40 thị trường quốc tế, bao
gồm 24 nền kinh tế đã phát triển và 16 nền kinh tế mới nổi. Trong bài nghiên cứu này,
tác giả phát triển các phương pháp hồi quy dự báo mới đối với dữ liệu bảng. Kết quả
Trang 18



thực nghiệm cho thấy lãi suất ngắn hạn và chênh lệch lãi suất dài hạn và ngắn hạn là
những chỉ báo tương đối mạnh đối với tỷ suất sinh lợi chứng khoán trong các thị
trường đã phát triển. Trái lại, không có bằng chứng dự báo thích hợp và đủ mạnh được
tìm thấy khi xem xét tỷ số thu nhập trên giá và tỷ số cổ tức trên giá như là các chỉ báo.
Qua đó, có thể thấy đã có rất nhiều bài nghiên cứu trong hai thập kỷ qua đã nghiên
cứu xem tỷ suất sinh lợi chứng khoán có thể được dự đoán bằng các biến số tài chính
(chẳng hạn như tỷ số cổ tức trên giá, tỷ số thu nhập trên giá, và các cách đo lường
khác nhau của lãi suất) không. Hầu hết các nhà nghiên cứu đã cố gắng để trả lời cho
câu hỏi liệu các tỷ số tài chính có đóng vai trò như các chỉ báo thực nghiệm của tỷ
suất sinh lợi không, và các tỷ số tài chính có thể cải thiện khả năng dự báo tỷ suất sinh
lợi như thế nào. Vấn đề này luôn là mối quan tâm hàng đầu của các nhà nghiên cứu
khi nghiên cứu về khả năng dự báo tỷ suất sinh lợi. Tuy nhiên, mặc dù đã có rất nhiều

bài nghiên cứu về khả năng dự đoán tỷ suất sinh lợi nhưng do các kết quả nghiên cứu
chưa thực sự thống nhất trong các bài nghiên cứu cũng như những sự biến động ngày
càng phức tạp của nền kinh tế làm cho việc dự báo tỷ suất sinh lợi chứng khoán ngày
càng trở nên khó khăn dù cho các phương pháp kinh tế lượng ngày càng được cải
thiện và trở nên bền vững hơn.
Nhận thấy các bài nghiên cứu về khả năng dự báo tỷ suất sinh lợi chủ yếu chỉ xoay
quanh việc xem xét các biến chỉ số quốc gia như tỷ suất cổ tức, lãi suất ngắn hạn,
chênh lệch lãi suất ngắn hạn và dài hạn, … nên Rapach, Strauss và Zhou (2013) đã
mang đến một luồng gió mới cho lĩnh vực nghiên cứu khả năng dự đoán tỷ suất sinh
lợi. Nhóm tác giả này đã khám phá ra một chỉ báo mới khá mạnh cho tỷ suất sinh lợi
chứng khoán quốc gia, đó là tỷ suất sinh lợi thị trường lấy trễ của Mỹ. Kết quả nghiên
cứu cho thấy tỷ suất sinh lợi lấy trễ của Mỹ dự đoán tỷ suất sinh lợi của các quốc gia
công nghiệp tốt hơn các biến số kinh tế của chính các quốc gia công nghiệp đó, bao
gồm lãi suất danh nghĩa và tỷ suất cổ tức. Nhóm tác giả nhận diện thấy tỷ suất sinh lợi
lấy trễ của Mỹ là một chỉ báo dự đoán tỷ suất sinh lợi khá mạnh khi phân tích mối
quan hệ dẫn dắt trễ giữa các tỷ suất sinh lợi chứng khoán quốc gia, một khía cạnh
chưa được xem xét trước đây về khả năng dự đoán của tỷ suất sinh lợi quốc tế. Nhóm
tác giả cũng nhận thấy tỷ suất sinh lợi của các quốc gia công nghiệp có năng lực dự
Trang 19



đoán giới hạn tỷ suất sinh lợi của Mỹ. Nói chung, những kết quả này chỉ ra một vai trò
dẫn dắt của Mỹ trong thị trường vốn cổ phần quốc tế.
Phát triển từ ý tưởng xem xét khả năng dự báo tỷ suất sinh lợi chỉ số chứng khoán
quốc gia của tỷ suất sinh lợi thị trường lấy trễ của Mỹ, nhóm nghiên cứu đã mở rộng
bài nghiên cứu theo hướng xem xét tỷ suất sinh lợi thị trường lấy trễ của Mỹ và Trung
Quốc như là những chỉ báo dự đoán tỷ suất sinh lợi của các quốc gia Đông Nam Á.
Liệu tỷ suất sinh lợi thị trường lấy trễ của Mỹ và Trung Quốc có thể hiện vai trò như
những chỉ báo quan trọng trong tỷ suất sinh lợi chỉ số chứng khoán quốc gia của các

nước Đông Nam Á không?
2.2.2. Mối quan hệ giữa sự khuếch tán thông tin và tác động dẫn dắt trễ:
Một trong những mối quan tâm hàng đầu trong lĩnh vực kinh tế tài chính là hiểu được
cách các công ty chuyển dịch thông tin ra thị trường như thế nào, và thị trường sẽ
phản ánh những thông tin đó trong giá chứng khoán như thế nào. Chính vì lý do đó mà
các lý thuyết định giá tài sản ra đời và thường giả định rằng sự khuếch tán thông tin
xảy ra ngay lập tức trong thị trường hoàn hảo và không có giới hạn. Tuy nhiên, trên
thực tế, các bằng chứng thực nghiệm cho thấy rằng các nhà đầu tư đối mặt với rất
nhiều giới hạn trong quá trình thu thập và nhận biết thông tin, do đó đôi khi làm cho
giá chứng khoán điều chỉnh chậm hơn trước các thông tin mới. Và theo như những bài
nghiên cứu trước đây, chính sự khuếch tán thông tin chậm như vậy là nguyên nhân
chủ yếu dẫn đến tác động dẫn dắt trễ trong tỷ suất sinh lợi của các chứng khoán.
Vậy những nhân tố kinh tế nào làm cho sự khuếch tán thông tin chậm trong thị trường
cổ phiếu? Có rất nhiều nhân tố cản trở sự truyền tải thông tin, có thể kể đến những
nhân tố tiềm tàng như các chi phí thông tin, những nhà giao dịch nhiễu, các lệnh giới
hạn cũ, chính sách tồn kho của nhà tạo lập thị trường, các chi phí giao dịch, các hạn
chế bán không, các giới hạn ERISA, những loại giới hạn thị trường khác cũng như
những hạn chế đối với nhà đầu tư tổ chức. Merton (1987) nhận thấy các chi phí thông
tin và những hạn chế đối với nhà đầu tư tổ chức là những nhân tố làm cản trở quá trình
thu thập thông tin. Trong khi đó, Diamond và Verrecchia (1987) cho rằng các hạn chế
bán khống có thể làm chậm quá trình phản ứng của giá chứng khoán đối với những
thông tin mới, đặc biệt khi các thông tin là tiêu cực. Mở rộng nghiên cứu của Kyle