Cơ chế truyền dẫn chính sách tiền tệ tại việt nam

B GIÁO DCăVẨăẨOăTO
TRNG I HC KINH T TP. H CHÍ MINH




TRN NGUYN HUY NHÂN




MI QUAN H GIA NHU CU THÔNG TIN VÀ
 BT N CA TH TRNG CHNG KHOÁN

Chuyên ngành: Tài chính ậ Ngân hàng
Mã s: 60340201





LUN VN THω S KINH T
GVHD: TS. NGUYN KHC QUC BO





TP. H CHÍ MINH – Nm β01δ
DANH MC BNG BIU

Bng 1: Danh sách công ty trong mu và t khóa tìm kim 22
Bng 2: Thng kê mô t bin cu thông tin 27
Bng 3: Kimănh Jarque-Bera bin cu thông tin 28
Bng 4: Thng kê mô t bin cung thông tin 30
Bng 5: Kimănh Jarque-Bera bin cung thông tin 32
Bngă6:ăTngăquanăgia cung và cu thông tin 37
Bng 7: Kt qu hi qui OLS giaăđ bt n hàm ý ca c phiu và các bin cung và
cu thông tin 40
Bng 8: Kt qu călng mô hình GARCH vi bin cung và cu thông tin 43
Bngă9:ăTng quan Pearson gia cu thông tin ca công ty và th trng vi khi
lng giao dch 45
Bng 10:Kt qu hi qui OLS gia khiălng giao dch ca c phiu, bin t sut
sinh li và các bin cung, cu thông tin 46
Bng 11:H s tngăquanăgia Cu thông tinăvƠă bt n lch s /Khiălng giao
dch theo 2 mu: thi k t 1/1/2008ă đn 31/12/2011 và k t 1/1/2002ă đn
31/07/2014 49
Bng 12:Kt qu hi qui OLS giaăđ bt n hàm ý ca c phiu và các bin cung và
cu thông tinvi bin gi trng thái th trng 51
MC LC

TRANG PH BÌA
LI ωAM OAN
MC LC
DANH MC BNG BIU
ωHNG 1μ GII THIU 2
1.1 t vnăđ 2
1.2 Mc tiêu và câu hi nghiên cu 3
1.3 Phngăphápănghiênăcu 3
1.4 Kt cu lunăvn 4

ωHNG βμ THÔNG TIN VÀ  BÁT N GIÁ CHNG KHOÁN 5
2.1 Phngăphápătip cn truyn thng 5
2.2 Phngăphápătip cn da trên d liu phi truyn thng 8
2.3 Bng chng thc nghim t các nghiên cuătrcăđơy 9
2.4 Mt s nghiên cu liên quan 11
ωHNG γμ PHNG PHÁP NGHIÊN ωU 17
3.1 Phngăphápănghiênăcu 17
3.2 D liu 18
ωHNG δμ NI DUNG VÀ KT QU NGHIÊN CU 26
4.1 Thng kê mô t 27
4.1.1 Cu thông tin 27
4.1.2 Cung thông tin 30
4.2 Cu thông tin và hotăđng th trng 38
4.3 nhăhng ca trng thái th trng 47
ωHNG εμ KT LUN 53
5.1 Kt lun 53
5.2 Gii hnăvƠăhng nghiên cu 55
TÀI LIU THAM KHO
1

TÓM TT

Mc tiêu ca nghiên cu này là nhm tìm hiuătácăđng ca cung, cu thông tin  cpăđ
doanh nghip và th trngăđnăđ bt n giá chng khoán ca các công ty niêm yt trên
sàn HoSE và HNX. Nghiên cu này da trên cách tip cn phi truyn thng, s dng d
liu cu thông tin đcăđoălng da vào khiălng tìm kim trên Google thông qua công
c Google Trends. Kt qu nghiên cu đƣăchoăthy rng c cuăvƠăcungăthôngătinăđu có
tácăđngăđnăđ bt n ca th trng chng khoán. Tácăđng mnhăvƠăvt triăhnăđi
vi cuăthôngătin,ă trongă đóă cu thông tin toàn th trng có mcă tácă đng lnă hnă cu
thông tin ti cpăđ tng c phiu.ăiuăđóăchoăthyănhƠăđuătăb tácăđng mnh hnăbi

thông tin v th trng và b tácăđng nh hn t thông tin riêng l ca tng c phiu.
T khóa: Cu thông tin, Th trng tài chính,  bin đng
2

ωHNG 1μ GII THIU

1.1 t vn đ
Th trng chngăkhoánăđóngăvaiătròălƠă mtăkênhăđuătăhp dnăvƠălƠăniă
phn ánh k vng caănhƠăđuătăvƠoănn kinh t. Thông tin là loi tài sn có giá tr
vƠăđc tìm kim nhiu nht trong th trng. Có th thyăđiuăđóăquaăs đaădng
v ngun cung cp thông tin và s lngăthôngătinăcngănhăs lngăngi theo
dõi các thông tin hàng ngày. Lch s đƣăchoăthy s phát trin ca th trng phi
đcăđánhăgiáătrênămcăđ tham gia caăcácănhƠăđuătă(Lng) và mcăđ minh
bch và hiu qu ca th trng trong vai trò luân chuyn vn (Cht). Mcăđ tham
giaăvƠătrng thành caănhƠăđuătăcóăth đoălng thông qua nhu cu v thông tin,
phân tích thông tin.
Vic d báoăgiáăvƠăđ binăđng giá t lơuăđƣălƠămt ch đ hp dn trong gii
tƠiăchính.ăƣăcóănhiu nghiên cu v vnăđ này, hu ht các nghiên cu cho kt
qu rng giá chng khoán chuătácăđng ca các yu t nh:ălƣiăsut, t giá, tâm lý
đuăcầăTuyănhiên,ădi góc nhìn thành phn tham gia th trng, có mt b phn
không nh nhngănhƠăđuătă- nhngăngi mà các quytăđnh s nhăhng trc
tipăđn th trng,ăđaăraălnh mua, bán hoàn toàn daăvƠoănhngăthôngătinăv c
phiu h góp nht trên Internet.
ƣăcóănhng nghiên cu tp trung vào vai trò ca cung, cuăthôngătinăđi vi
th trng (Kihlstrom, 1974; Grossman và Stiglitz, 1980; Radner và Stiglitz, 1984;
Allen,ă1990)ănhngăviăcácăcáchăxácăđnh dòng chy thông tin khácănhauănhăs
dng s lng tin tcăvămôăvƠătinătc tngăcôngătyăđc công b bi Dow Jones &
Company trên Broadtape và Wall Street Journal hay khiălng thông tin trong h
thng Reuters North American Wire. Xut phát t vic công nhn ngày nay internet
đƣăcáchămng hóa thông tin, hotăđng môi gii chng khoán, cách tip cn thông

tin trong ngành tài chính và thói quen xem xét thông tin trên mngătrc khi thc
3

hin quytăđnh ca phn lnănhƠăđuătăVit Nam, tác gi tip cn dng d liu
miă đi din cho cu thông tin v doanh nghip theo khiă lng tìm kim trên
internet theo nghiên cu ca Nikolaos Vlastakis và Raphael N. Markellos , 2012.
D liu này cho phép kim tra lnălt mc nhăhng ca cu thông tin ca tng
c phiu riêng bit và ca toàn th trng.
Vi mt th trng còn khá non tr nhăth trng c phiu Vit Nam, trình
đ nhƠăđuătăcóăs phân hóa cao thêmăvƠoăđóălƠănhuăcu sáp nhp hai sàn HOSE và
HNXătrongătngălaiăthìăvic tìm hiu nhăhng cung cuăthôngătinăđn mc bin
đng ca giá c phiu nhmăxácăđnhăxuăhngătrng thành caăcácănhƠăđuătăcóă
mtăỦănghaăquanătrngăđi vi s phát trin bn vng ca th trng c phiu Vit
Namătrongătngălai.
Xut phát t lý do trên, tác gi chnăđ tài nghiên cu ắMi quan h gia
nhu cu thông tin và đ bt n ca th trng chng khoán” cho bài lunăvnă
ca mình vi mong mun cung cp thêm bng chng thc nghim v nhăhng
ca nhu cu tìm kimăthôngătinăđn s binăđng ca giá c phiu.
1.2 Mc tiêu và câu hi nghiên cu
Mc tiêu nghiên cu ca lunăvnălƠăđoălng mcăđ nhăhng ca cung
cuăthôngătinălênăđ binăđng ca công ty, th trng, nhn mnh vào tng thi k.
T mc tiêu nghiên cu trên, các câu hi nghiên cuăđcăđt ra bao gm:
(1) Mi quan h gia cung thông tin và cu thông tin? (2) nhăhng ca cung và
cuăthôngătinălênăđ bt n và khiălng giao dch? (3) nhăhng ca trng thái
th trng lên cung cu thông tin và khiălng giao dch?
1.3 Phng pháp nghiên cu
Bài nghiên cu s dngăphngăphápăphơnătíchăđnh lng. Mô hình hi quy
OLS và GARCHă(1;1)ăđc s dngăđ kho sát nhăhng ca cung cu thông tin
đn giá c phiu.ăPhngăphápăđnhălngăđc thc hinăquaăcácăbc:
4

D liu cung, cu thông tin, giá, khiălng giao dch ca các c phiu trong
mu giai đon 2008-2014ăđc thu thp (chi tit nêu phn 3.2 D liu)
Tác gi làm sch d liu và tính toán giá tr các binăđc xem xét trong mô
hình nghiên cu thông qua công c h tr Microsoft Office Excel.
Phn mm phân tích d liuăStataăSEă12ăđc s dng đ xây dng mô hình
nghiên cu.
1.4 Kt cu lun vn
Tác gi cu trúc ni dung bài nghiên cuătheoă05ă(nm)ăchngăvi ni dung
nhăsau:ăTrongăChng 1 -Gii thiu, tác gi trình bày vnăđ nghiên cu, mc
tiêu và câu hi nghiên cu,ă phngă phápă nghiênă cu. Sauă đó,ătrongă ωhng βμ
Tng quan lý thuyt và và bng chng thc nghim trên th gii, tác gi tóm tt
li các kt qu nghiên cu trên th giiăliênăquanăđn vnăđ cung cu thông tin.
ng thi, gii thiu d liu trích xut t công c GoogleăTrendsănhălƠ đi din
mi cho cu thông tin. K tip trong ωhng γμ Phng pháp nghiên cu, tác gi
trình bày chi tit v phngăphápănghiênăcu thc hin, mô hình nghiên cu, các
bc thu thp và x lý s liu. Trong ωhng δμ Ni dung và kt qu nghiên cu,
tác gi dùng phân tích hiăquyăđ nghiên cu miătngăquanăgia cung, cu thông
tin; nhăhng ca cung, cuăthôngătinăđnăđ bt n giá và khiălngăgiaoădch ti
Vit Nam. Cui cùng trong ωhng εμ Kt lun, tác gi tóm tt li kt qu nghiên
cu,ăđa ra mt s kin ngh cngănhăgii hn ca bài nghiên cu.




5

ωHNG βμ THÔNG TIN VÀ  BÁT N GIÁ CHNG
KHOÁN

2.1 Phng pháp tip cn truyn thng
V phía cung thông tin, mi quan h gia dòng chy thông tin và th trng
tƠiă chínhă đƣă đc nhiu nhà kinh t tài chính nhcă đn (Fama và các cng s,
1969; French và Roll, 1986). Ederington và Lee (1993) đƣătìmăthy mi quan h
mnh giaăcácăthôngăbáoăvămôăđƣăđc lên k hoch viăđ bt n ca lãi sut và
t giá giao sau. Các gi thit m rng nhmăđoălng mi quan h gia hotăđng
th trng - đ bt n t sut sinh livà khiălng giao dch liên quan trc tipăđn
tn sut xut hin thông tin. Si dây liên h các lý thuyt này là ắGi thuyt Phân
phi hn hpă(MixtureăofăDistributionsăHypothesis)”ă(Clark, 1973; Epps và Epps,
1973; Tauchen và Pitts, 1983; và nhng nghiên cu khác) (gi tt là MDH).
Trng tâm ca thuyt MDH là vic nhng dòng chy thông tin s lƠmăthayăđi giá
và khiălng giao dch. S xut hinăkhôngămongăđi ca tin tt s lƠmăgiáătngăvƠă
ngc li khi tin xu xut hin. C hai hotăđngăđóăđuăđiăkèmăvi khiălng giao
dch trên mcătrungăbình,ăđng thi thit lp mt mc cân bng mi.
Vìă thôngă tină khôngă đc quan sát trc tip, mi n lc nghiên cu thc
nghim nhăhng ca nó lên các th trngătƠiăchínhăđu yêu cu mtăphngăphápă
xácăđnh dòng chy thông tin c th. Mitchel và Mulherin (1994) đoălng dòng
chy thông tin bng cách s dng s lng tin tc vămôăvƠătinătc tng công ty
đc công b bi Dow Jones & Company trên Broadtape và Wall Street Journalầă
và thy rng dòng chy thông tin có mu hình theo ngày, tunăvƠăthángătrongănm,ă
tngăng vi nhng mu hình binăđng giá tài sn. H tìm thy các bng chng
cóăỦănghaăthng kê rng: 1. Mi quan h gia thông tin và khiălng giao dch,
nhngăviăđ bt n thì có mi quan h yu. 2. Mu hình theo mùa ca dòng chy
các thông tin mi công b. 3. Có s khác nhau trong dòng chy thông tin gia thi
gian giao dch và thi gian không giao dch và tranh lun rngăđiu này có th gii
thích s khácănhauătrongăđ bt năđc quan sát bi French và Roll (1986). Berry
6

và Howe (1994) nghiên cu bng khiă lng thông tin trong h thng Reuters
North American Wire.

S khác bit trong các bài nghiên cu phn ln do s xácăđnhăđ ln ca
tng th trng và cách phân loi thông tin ca tng công ty. Thompson và các
cng s (1987) nghiên cuăcácăđcăđim ca thông tin v các công ty trong Wall
StreetăJournalăIndexănm 1983, h phân loi chúng theo cpăđ công ty, ngành kinh
doanh, ngày trong tunăvƠăthángătrongănm. H nhn thy rng tin tc ca mt vài
công ty có nhă hng mang tính thngă kêă đn t sut sinh li c phiu.
Bessembinder và các cng s (1996) đánhăgiáămi quan h gia khiălng giao
dch và thông tin theo cpăđ công ty và toàn th trng bng cách s dng d liu
t danh mcăđuătăca các công ty theo mc vn hóa. H thy rng thông tin 
mcăđ ca tngăcôngătyăcóătácăđngădngăđn hotăđng giao dch ca tt c các
côngăty,ănhngănhng công ty nh li chuătácăđng lnăhn.ăHnăna, h còn thy
rng thông tin toàn th trngăcóătácăđngăđángătinăcy lên các công ty ln và tác
đngăítăđn các công ty nh. Các tác gi khôngăđaăraăphngăphápărõărƠngăđ xác
đnh dòng chyăthôngătin,ănhăbng cách da vào các tin tc công b hayăcácăđi
dină khácă mƠă thayă vƠoă đó,ă h s dngă nhă nhngă đi din gián tip (indirect
proxies). C th, h s dngăđ bt n ca t sut sinh li theo mt danh mcăđc
đaădng hóa đ tính toán hotăđng th trng, và dùng tr tuytăđiăđ lch chun
ca t sut sinh li tng công ty t môăhìnhăCAPMăđ đoălng thông tin theo cp
đ công ty. Áp dng các bin này gây ra mt s bt li v vicăđánhăgiáămi quan
h gia dòng chy thôngătinăvƠăđ bt n vì nó gi đnh mi quan h trênăđƣătn ti
sn có.Ryan và Taffler (2004) đƣănghiênăcu mu 350 công ty ln nht trên sàn
chngăkhoánăLondonăvƠăđaăraăcácăbng chng v vic các thông tin theo tng công
ty có quan h thng kê vi s bin đng giá c phiu và khiălng giao dch.
Nhm nm btătácăđng tht s ca các tin tc hay thông tin công b cho nhà
đuăt,ămt vài nghiên cu c gngăxácăđnh mcăđ quan trng ca mi thông tin
khác nhau.Mitchel và Mulherin (1994) xem xét s lngă tiêuă đ ca mt thông
báo,ăkíchăthcătiêuăđ trên t New York Times và s xut hinăcácăthôngăbáoăvă
7

mô hàng tháng.Klibanoff và các cng s (1998) xem xét các thông tin ni bt trên

trang nht ca t New York Times. Ryan và Taffler (2004) xácăđnh nhng bin
đng ln ca th trng và nghiên cu tin tcăđng sau nhng binăđngăđó.Mc dù
các nghiên cu trên cho kt qu cóăỦănghaăthngăkêănhngăh ch tp trung vào các
s kin gây ra binăđng th trng mnh,đƣăloi tr mtălng ln thông tin và có
th lƠmăphóngăđi nhăhng ca thông tin lên t sut sinh li c phiu.
V phía cu thông tin có th tóm tt thông qua các kt qu nghiên cu chính
sau:
Thông tin có tính thay th. Grossman và Stiglitz (1980) vi nghiên cu
“On the Impossibility of Informationally Efficient Markets”, cho rng giá c phiu
b nhăhng bi nhngăngi nm thông tin và nhngăngi không nm thông tin.
Vì phi tnăchiăphíăđ cóăđcăthôngătinănênăbanăđu s lngăngi nm thông tin
rt ít. Càng v sau, s lng nƠyăcƠngătngălênălƠmăchoăthôngătinăđc phn ánh vào
trong giá c phiu nhiuăhn.ăLúcănƠy,ăli ích ca nhngăngi nm thông tin so
viăngi không nm thông tin s nh đi,ăcu thông tin gim xung.
Phn trm các nhƠ giao dch nm thông tin t l vi đ nhiu th trng.
Theo Veldkamp (2006) vi nghiên cu “Media frenzies in markets for financial
information”, thông tin có chi phí c đnh cao (chi phí ca vic xây dng h thng
thông tin) và chi phí binăđi rt thp (chi phí sao chép) nên s lng thông tin càng
ln thì chi phí càng gim. Chi phí gim khinănhƠăđuătăítăchu riăroăhn,ăh s
nm thông tin nhiuăhnăvƠăgiáăc phiuăcngăphn ánh nhiuăthôngătinăhnăkhin
giá binăđng nhiuăhn.ă
Cu thông tin tng khi mc đ cn thit phân tích thông tin tng.
Moscarini và Smith (2002) vi nghiên cu “The law of large demand for
information”. Khi mt thông tin phc tp xut hin, s có s không rõ ràng v nh
hng ca thông tin, lúc này nhu cuăthôngătinătngălênănhm ctănghaăthôngătină
phc tp trênăvƠăngc li. Gingănhătrongăcuc sng, khi mt s kin khó hiu
xyăra,ăconăngi vi s tò mò s đƠoăsơuătìmăhiuăhn.ăKhiăconăngi hài lòng vi
8

thông tin nhnăđc và nhăhng ca s kin ít nhiuăđƣăđc bit, h s dng nhu

cu v thông tin. Do đó,ăcu thông tin phn ánh mc quan trng ca nhng thông
tin mi vì nó kt hp hiu ng ca nhng thông tin mi ti cngăđng.
Cu thông tin có tng quan dng đn mc e ngi ri ro.Theo
(Willinger, 1989; Eeckhoudt và Godfroid, 2000). Trong th trng tài chính, nhà
đuătăeăngi ri ro s yêu cu thông tin nhiuăhnămtănhƠăđuătăaăthíchări ro.
Mt vài bài nghiên cu gi đnhăngc li. Ví d, Freixas và Kihlstrom (1984) cho
rngănhƠăđuătăkhôngăth d tính v vic loi thông tin mà h s bit, liu thông tin
đóălƠătt hay xu. Vì thông tin không phi là min phí nên có ri ro nhtăđnh trong
vic lyăthôngătin.ăiu này dnăđn kt lun rngănhƠăđuătăeăngi ri ro s ít sn
sàng chi tinăđ lyăthôngătinăhnănhƠăđuătăaăthíchări ro. Mi quan h gia vic
không thích ri ro và cu thông tin vnăchaăcóănghiênăcu thc nghim.ăiu này
có th gơyăraăkhóăkhnăkhiătìmăhiu chtălng ca hai bin.
2.2 Phng pháp tip cn da trên d liu phi truyn thng
NgƠyănay,ănhƠăđuătăcóăth s dng các công c tìm kimăđ thu thp thông
tinătrênăinternetătrc khi giao dch. Internetăđƣăgiúpăchoăvic thông báo, lan truyn
và tìm kim thông tin d dƠngăhnăvi chi phí thp.ăVìăđ rng và sâu quá ln ca
internet, nên vic nm bt ht toàn b thông tin là mt nhim v khóăkhn.ăơyălƠălỦă
doăchínhăđ gii thích ti sao miăngi da vào công ngh tìm kimăđ ly thông
tin trên web. Mc dù các nghiên cuătrcăđƣăm rng khoăsátătácăđng ca dòng
chyăthôngătinăđn th trng vn, ví d nhăAntweiler và Frank (2004) đƣănghiênă
cu các tin nhnă internetătrênăcácă lnhă vc khác nhau và thy rng các tin v c
phiu có nhăhng mang tính thng kê mnhăđn t sut sinh li c phiu, mt tín
hiu rõ ràng cho thy s lngăđáng k cácănhƠăđuătăquanătơmăđn vic s dng
ngun thông tin t internet rt cao. Rubin và Rubin (2010) đƣăs dng mc chnh
saă thng xuyên caă cácăbƠiă đngă v công ty trên Wikipedia là ngun mà mi
ngi tìm kim thông tin v công ty. H cho thy rng khi mc chnh saăthng
xuyênătngălênăs làm mcăđ d báo li ca các nhà phân tích giá c phiuăítăhn,ă
9

mc phân tán trong d báo phân tích nh hn. Tuy nhiên nhăhng ca thông tin

t internetăđn hotăđng giao dch c phiu vnăchaăđc làm rõ.
Bài nghiên cu s dng d liu trích xut t Google Trends ậ công c thng
kêăcácăthóiăquenăvƠăxuăhng tìm kim caăngi dùng Google trên toàn th gii.
Google Trends h tr theo dõi s tngăgim ca ch s tìm kimăđi vi tng t
khóaăđcăngi dùng tìm kim trên Google theo Quc gia, ngôn ng và mc thi
gian. Ngoài ra, ngi dùng có th s dng Google Trends nhm so sánh hai hay
nhiu t khóa khác nhau. VD:ăđi vi các công ty có nhiu tên gi bên cnh mã c
phiuănhăHoƠngăanhăGiaăLai,ăHAG,ăHoƠngăanh Gia Lai Vit Nam thì chcănngăsoă
sách cho phép chn la t khóaăđc nhiuăngi quan tâm nht.
2.3 Bng chng thc nghim t các nghiên cu trc đơy
D liu tìm kim trích xut t Google Trendsăđƣ đc Da và các cng s
(2011a) s dngăđ đánhăgiáămcăđ quanătơmănhƠăđuăt.ăH călng mcăđ
quan tâm caănhƠăđuătăv tài sn theo SVI và mi quan h ca nó viăcácăphngă
phápăđánhăgiáăhin hu. H cngăđánhăgiáăgi thuyt v vic SVI có nm bt mc
quan tâm ca tngănhƠăđu tăhayăkhông.ăTrongăphngăphápăthc nghim ca h,
h phân tích SVI theo tunăđi vi các t khóa tìm kim caăRussellă3000ăđ xem
xét hotăđng giá c phiu. Các kt qu cho thy SVI có th đoălng mc quan tâm
caănhƠăđuătăhiu qu hnăcácăphngăpháp khác. Theo mtăphngăphápăkhác,ă
Da và các cng s (2011b) xây dng ch s Trng thái tài chính và nn kinh t
bng s lt tìm kim (Financial và Economic Attitudes Revealed by Search
(FEARS)) bng cách tng hp SVI hàng ngày theo các t khóaăliênăquanăđn tài
chính h giaăđìnhăvƠăs quan tâm v nn kinh t. ng h viămôăhìnhăắcácănhƠăgiaoă
dch nhiu”ăca De Long và các cng s (1990), ch s ca h có th d đoánăđ bt
n lch s ca các ETF (Qu đuătăch s) thm chí sau khi tính toán cho các bin
nhă ch s VIX (Ch s bină đng th trng (Volatility Index)), khiă lng và
doanhăthu,ăcngănhăcácăphngăphápăthayăth khác. Ch s trênăcngăd đoánădòngă
chyăđuătăhƠngăngƠyăt giá c phiu sang các tài sn có thu nhpăcóăđnh, và các
10

qu đuă tă vƠo kim loi quý, phù hp vi hiu ngă ắTim v giá tr (flight to

quality)”ătrongăthi gian hn lon. Gnăđơyăhn,ăDa và các cng s (2011c) cho
thy rng s thayăđi trong SVI ca hàng hóa sn xut có th d đoánăcácăthôngăbáoă
khôngămongăđiăliênăquanăđn doanh thu ca công ty phù hp vi các d báo phân
tích.
Zhi Da, Joseph Engelberg và Pengjie Gao, 2011vi nghiên cu ắIn Search
of Attention”ăcngăđƣăs dngăSVIăđ đoălng s chú ý caănhƠăđuăt.ăTácăgi s
dng mu gm 3000 chng khoán t nmă2004ăđnănmă2008ătheoănghiênăcu ca
Russell. Tác gi thy rng công c SVI:ă(1)ăTngăquanănhngăkhácăbit vi vi
cácăđi din cu thông tin trong các nghiên cuătrc. (2) Nm btăđc nhu cu
nhƠăđuătămt các kp thi. (3) Là mt công c đoălng s chú ý caăcácănhƠăđu
tănh l. Mt s giaătngătrongăSVIăd đoánămt mcăgiáăcaoăhnătrongă02ătun k
tip. Selene Yue Xu, 2012cngăđƣăs dng d liu chui thi gian vi thông tin ly
t GoogleăTrendsăvƠăYahooăFinanceăđ d đoánăs thayăđi gia chng khoán theo
tun. Kt qu nghiên cu cho thy có s tngăquanămangăỦănghaăthng kê gia s
thayăđi gia chng khoán và d liu nhu cu thông tin trích xut t Google Trends.
Tzu-Lun Huang, Miao-Ling Chen, Hsio-Jen Kuo và Kuan-Ling Lai,
2013trong nghiên cuă ắInformation demand Revealed by Google Search Engine
and Speculative Trading Activities in the Capital Market”ăcngăđƣăs dng SVI là
đi din bin cu thông tin nhm m rng vai trò ca cu thông tin trong giao dch
c phiu, tp trung vào giiăđuăcăthôngăquaăcácăhìnhăthc bán khng, s dng
margin. Nghiên cu kt lun rng s giaătngătrongăd liuăSVIătngăquanădngă
vi khiălng giao dch biăcácănhƠăđuătăcáănhơn.ăng thi kt qu nghiên cu
ng h 02 thuyt: (1) NhngănhƠăđuătăcƠngăkhôngăhiu v th trng thì nhu cu
thông tin càng cao. (2) Càng nhiu thông tin thu thp t internet, s lngănhƠăđu
tăđuăcăcƠngăcao.ăTómăli, nghiên cu kt lun các nhà to lp th trng có th
d đoánăhotăđng giao dch caăcácănhƠăđuătăcáănhơnăthôngăquaăs thayăđi ca
Google Search Volume
11

Christopher Fink và Thomas Johann, 2014 trong nghiên cuắMay I Have

Your Attention, Please: The Market Microstructure of Investor Attention”ă đƣă s
dngăGoogleăSearchăVolumeăđ xácăđnhătácăđng t s chú ý caănhƠăđuătăđn
tính thanh khon và li nhun ca c phiu. Các tác gi thy rng tính thanh khon
tngăvƠoă nhng ngày có mcăđ chúăỦătng,ă tínăhiu này mnhă hnă  nhng c
phiu các doanh nghip nh.
Tóm li, d liu trích xut t Google Trends thông qua ch s SVIăđƣăđc
tha nhn và s dng rng rãi thi gian qua trong vicăđi din cho nhu cu thông
tin (s chú ý) ca nhngănhƠăđuătăcáănhơn.ăDoăđó, trong bài nghiên cu này tác
gi s dng s lng các tìm kim trên Google - phngă phápă tìmă kim trên
internet ph bin nht thông qua dch v ắGoogle Trends” ch s ắSearch Volume
Index” (SVI) ậ nhămt cách tip cn miălƠmăđi din cho cu thông tin.
2.4 Mt s nghiên cu liên quan
Jeff Fleming, Chris Kirby và Barbara Ostdiek vi nghiên cu “Information and
volatility linkages in the stock, bond, and money markets”
Nghiên cu này xem xét vai trò ca thông tin trong vic to mi liên kt s
binăđng gia các th trng.ă d đoánăv sc mnh ca nhng liên kt này,
nhóm tác gi đƣă xây dng mtămôăhìnhăđnăgin v kinhădoanhăđuăc.ăTrongămôă
hình này, có hai ngun riêng bit gây ny sinh ra nhng liên kt. Th nht là thông
tinăchung,ănhătinătc mi v lm phát gây nhăhngăđng thi lên k vng ca
cácănhƠăđuătătrênănhiu th trng. Th hai là do nghip v t bo him chéo gia
các th trng. Khi thông tin gây raăthayăđi k vng trên mt th trng, các nhà
kinhădoanhăđiu chnhălng nm gi ca mình gia các th trng, to ra hiu ng
lan ta thông tin. Trong th trng c phiu, trái phiu và tin t, c hai ngun này
đu có vai trò quan trng. Mi th trngăđu chu nhăhng biăthôngătinăvămôăvƠă
đc tính này là thun li cho nghip v t bo him chéo gia các th trng.ăDoăđó,ă
nhóm tác gi k vng có th quanăsátăđc nhng mi liên kt tính binăđng mnh
m.
12

 đoălng sc mnh ca các liên kt s binăđng gia nhng th trng,

nhóm tác gi xây dng mtăphngătrìnhăda trên thc nghim,ătrongăđóăphngăsaiă
ca li nhun t l thun vi dòng thông tin. Vi nhng binăđng mnh kéo dài,
tác gi mô hình hóa dòng thông tin bng sai phân AR(1). Tác gi s dngăGMMăđ
călngăphngătrìnhăkinhăt ca mình, và kimăđnh xem mi liên kt s bin
đng gia th trng c phiu, trái phiu và tin t có phù hp vi các kt qu suy
ra t môăhìnhăthngămi hay không. Nhìn chung, các kt qu ch ra rng mô hình
phù hp vi d liu mu. C kimăđnhăđnăbin và hai binăđu cho thy có ít bng
chng rngăphngătrìnhăsai.ăThêmăvƠoăđó,ăthamăs călng th hin dòng thông
tin gây ra các xu th thngămi trên c ba th trng có miătngăquanăcao.ăCácă
mi liên kt mnhăhnănhiu cho viăđ xut t tngăquanăli nhun và li nhun
tuytăđi gia các th trng. Ví d,ătngăquanăgia S&P 500 và T-billălƠădi
13%,ăvƠătngăquanăli nhun tuytăđi khongă26%,ănhngăcălngătngăquană
ca log dòng thông tin thìălênăđn gnă67%.Phngătrìnhădaătrênăcălng chui
thi gian và log ca dòng thông tin cho thy liên kt s binăđngăthayăđi theo thi
gian.ăc bit, liên kt tr nên mnhăhnăt nmă1987ăkhiăth trng chng khoán
spăđ. S giaătngănƠyăcóăth do vì s thayăđi trong ch b binăđng, hay có l
nó phn ánh s giaătngălanăta thông tin vì thanh khon ttăhnăca th trng k
hn. Kimăđnh b sung tính vng s dng li nhun chun cho thy mô hình gii
thíchăđc phn lnăđ nghiêng và b nhn ca d liu li nhun.
Tng kt, phân tích thc nghim ng h choămôăhìnhăkinhădoanhăđuăcăđnă
gin ca tác gi.ăTrongămôăhình,ănhƠăkinhădoanhăxemăxétătngăquanăgia li nhun
trong các th trngăkhácănhauăkhiăđuătăvƠoăcácăth trng.ăiu này dnăđn h
đaădng hóa các khonăđuătăgia các th trng nhm gimăphngăsaiăli nhun.
HƠnhăđng này, cùng vi nhăhng ca các s kinăthôngătinăđng thi làm thay
đi nhng k vng vào các th trng khác nhau, to ra mi liên kt mnh m v s
binăđng gia các th trng. Kt qu nƠyăcóăỦănghaăquanătrngăđi vi chinălc
phân b tài sn và qun lý ri ro trong nhng thiăgianăkhácănhau.ăCácănhƠăđuătă
13

trcănayăthng s dng nhng mô hình ch yu là các yu t li nhun. Và phân

tích ca tác gi ch ra tm quan trng ca nhng làn sóng binăđng.
Qi Chen, Itay Goldstein và Wei Jiang vi nghiên cu “Price Informativeness and
Investment”
Nghiên cu thc nghim v mi quan h giaălng thông tin riêng v giá c
phiuăvƠăđ nhy cm caă đuă tăvi giá c phiu. S dngă haiăthcăđoălng
thông tin riêng v giá khác nhau ậ giáăkhôngăđng b và PIN ậ tác gi thyăđc
miătngăquanămnh m giaălng thông tin riêng v giáăvƠăđ nhy cm caăđu
tăvi giá c phiu. MiătngăquanănƠyălƠăvng vi vicăđaăvƠoăc thông tin v
qun lý, bo him, vn và kích c doanh nghip, hay mt lot chi tit khác. Nhìn
chung, kt qu ca tác gi phù hp vi gi thuyt cho rng thông tin riêng v giá là
miăđi vi các nhà qun lý, h tìm hiu nó t giá và kt hp nó vào quytăđnhăđu
tăca mình.
Kh nngăv vic giá dn dt các nhà qună lỦă đaă raă quytăđnh cho thy
rng th trng tài chính có gây nhăhng ti nn kinh t thc.ăiu này có nhng
Ủănghaăquanătrng. Mt mt,ănhăSubrahmanyamăandăTitmană(1999)ăchng minh,
th trng tài chính có th nâng cao hiu qu đuătăbi vì chúng cung cp nhng
thông tin giá tr ti các nhà qun lý. Mtăkhác,ănhăGoldsteinăandăGuembelă(2005)ă
cho thy, nhng hiu ng phn hi t giáăđn nn kinh t thc có th làm cho vic
thao túng giá xy ra, và nó chính là nguyên nhân mà nn kinh t thc không hiu
qu. Nhng nhăhngătrênăcóăỦănghaăquanătrngăchoăcácăquyăđnh nhmătngătínhă
minh bch th trng và khuyn khích vic thu thp thông tin.

14

Johan Bollen, Huina Mao và Xiaojun Zeng vi nghiên cu Twitter mood
preicts the stock marketadding Bài nghiên cuxét xem liu tâm trng qun
chúngăđc đot lng ln các tweetăăđcăđngătrênătwitter.comăcó tngăquanhay
thm chí d báo giá tr Dow Jones Industrial Average (DJIA) không. Kt qu cho
thy rng vic thayăđi trng thái tâm trng là có th theo dõi tni dung ca ngun
d liu Twitter bng k thut x lỦăvnăbnăđnăgin và nhngăthayăđiănhăthlà

phn hi ca mt lot nhngăxuăhng vnăhóa-xã hi khác bit. Trong s 7 mc
tâm trngăđc quan sát, ch mt s là có mi quan h nhân qu Granger vi DJIA;
s thayăđi ca tâm trng qun chúng theo 7 mcănƠyătngăng viăthayăđi trong
giá tr DJIA xy ra 3-4ăngƠyăsauăđó.



15

Louis K. C. Chan, Josef Lakonishokm và Theodore Sougiannis vi nghiên
cu The stock market valuation of Research  Development Expenditures
Trong nn kinh t hinăđi, nhiuăcôngătyăcóălng ln tài snăvôăhìnhănhă
mcăđuătăvƠoăR&D.ăTheoănguyênătc k toán  Hoa K, tuy nhiên, nhng tài sn
vô hình nhăth thngăkhôngăđc ghi vào báo cáo tài chính. Vì chi tiêu cho R&D
đcăxemănhămt chi tiêu hotăđng, do vy có th có nhngătácăđng timănngă
ln trên báo cáo tài chính ca nhiu công ty. Bài nghiên cu này tip cn câu hi
liu rng giá c phiu có kt hpăthíchăđángăvi giá tr đuătăchoăR&Dăca công ty.
Bng chng ca tác gi không chng minh trc tip mi quan h gia chi
tiêu cho R&D và li nhun chngăkhoánătngălai.ăTrongăthiăgianăbaănmăsauăs
hình thành danh mcăđuăt,ăc phiu có thc hin R&D có li nhun trung bình là
19.65% miă nm,ă vƠă c phiu không thc hin R&D có li nhun trung bình là
19.50%.ăDoă đóănóăkhôngăxut hin, lch s , mt c phiu công ngh trung bình
đcăchƠoăbánăcaoăhnăsoăvi mtăcôngătyăxiămngăthôngăthng.ăiu này cho
thy s phù hp vi gi thuyt rng giá chng khoán có mi liên quan cht ch vi
nim tin caănhƠăđuătăv giá tr R&D.
i vi các công ty có thc hin R&D, bng chng v mi liên h gia
cngăđ R&D vi doanh thu và li nhunătngălaiălƠăkhôngămnh m. Các bng
chng rõ ràng v mcăR&Dăcaoăđóngămtăvaiătròăđc bităđc tìm thy  nhng c
phiu có R&D cao so vi giá tr th trng ca nó. Li nhunăvt mc ca chúng
trongă baă nmă tip theo là 6,12% miă nm.ă C phiu xp hngă đánhă giáăcaoă bi

R&D so vi giá th trng ca c phnăcóăxuăhng gim trong quá kh. Các công
ty chi tiêu nhiu cho R&D mc dù hiu qu hotăđng trong quá kh thp và áp lc
ct gimăchiăphíătrongătrng hp mà các nhà qunălỦătngăđi lc quan v trin
vngătngălaiăca công ty. Tuy nhiên, th trngăcóăxuăhng gim giá khi nhn
đc thông tin này và có v chm chp trong vică thayă đi k vng ca mình.
Nhng phát hin này ca tác gi không d thayăđi khi li nhunăđcăđiu chnh
do kíchăthc và nhngă tácă đngă đo chiu li nhun.ă Hnă na, tác gi cngăcóă
16

đc kt qu tngă t đi vi vic chi tiêu cho mt loi tài sn vô hình khác -
qung cáo.
Mc dù các ghi chép lch s cho thy ít có s khác bit gia din bin giá c
phiu trung bình ca và c phiu có thc hin R&D và không thc hin R&D,
nhngăđiu này không ktăthúcăđc vnăđ. Tác gi cung cp bng chng cho thy
cngăđ R&D liên quan ti binăđng li nhun, sau khi kim soát quy mô doanh
nghip, tui tác, và nhăhng ca ngành. Ngay c khi giá th trng trung bình hp
nht vi li nhunătngălaiăt R&D, s thiu ht thông tin k toánănhămt tài sn
vô hình quan trng phi chu chi phí thc đánhăvƠo cácănhƠăđuătăthôngăquaăbin
đngătng.









17

ωHNG γμ PHNG PHÁP NGHIÊN ωU

3.1 Phng pháp nghiên cu
Bài nghiên cuăđc thc hinătheoăphngăphápănghiênăcu thc nghim
v tácăđng ca cung, cuăthôngătinălênăđ bt n giá và khiălng giao dch ca
các công ty trong mu VN30 và HNX30 (d liu phi tài chính), da trên mô hình
nghiên cu ca nhóm tác gi NicolaosăVlastakisăvƠăRaphaelăN.ăMarkellosăđngătrênă
JournalăofăBankingă&ăFinanceănmă2012.ăơyălƠănghiênăcu thc nghim s dng
d liu 30 mã c phiu giao dch nhiu nht trên NYSE và NASDAQ nghiên cuv
tácăđng ca cung cu thôngătinăđ đ binăđng giá chng khoán. Nghiên cu thc
hin phân tích hiăquyăđ binăđng lch s theoăphng OLS .

Trongăđó:ă
là hng s, lƠăđc tính ca cu thông tin ti thiăđim t, là
cu thông tin v th trng ti thiăđim t,
là cung thông tin v công ty ti thi
đim t,
là tp hp cung thông tin ti thiăđim t, là t sut sinh li th trng
ti thiăđim t và
là sai s.
Sauă đóă hi quy theo mô hình GARCH,ă đim quan trng ca mô hình
GARCHălƠăcălng các tham s theoăphngăphápăMaximumăLikelihood.ăMc
dù, nhiu lp mô hình GARCH có th đc s dngănhngănhiu nghiên cu ch ra
rng mô hình GARCH (1,1) cung cpăcălng tt nht
1




1

Kt qu đc tìm thy t các nghiên cu ca Akgiray, 1989; Bollerslev và cng s, 1992; Bams và
Wielhouwer, 1999; Goorbergh và Vlaar, 1999; Angellidis và Benos, 2004; Oh và Kim, 2007; Floros, 2007;
Chih-Hsiung Tseng và Yi-Hsien Wang, 2009.
18

Trongăđó:ă
là t sut sinh li c phiu trong khong thi gian t, là hng
s, là chui sai s khôngătngăquanăca t sut sinh li c phiu vi giá tr trung
bình bng không,
th hin b thông tin, lƠăphngă saiă cóă điu kin ca
, lƠăđc tính ca cu thông tin ti thiăđim t, là cu thông tin v th trng
ti thiăđim t,
là cung thông tin v công ty ti thiăđim t, là tp hp cung
thông tin ti thiăđim t, là t sut sinh li th trng ti thiăđim t.
Tip tc hi quy khiălng giao dch theo cung cu thông tin

Trongăđó:ă
là khiălng giao dch, là giá tr tuytăđi ca logarity t
sut sinh li c phiu,
lƠă đc tính ca cu thông tin ti thiă đim t, là cu
thông tin v th trng ti thiăđim t, là cung thông tin v công ty ti thiăđim t,
là tp hp cung thông tin ti thiăđim t.
Sauăđó,ăthêm vào bin gi biu hin trng thái th trng và hi quy liăđ
binăđng theo cung cu thông tin.

Trongăđó:ă
là giá tr tuytăđi ca logarity t sut sinh li c phiu, là
đc tính ca cu thông tin ti thiăđim t, là cu thông tin th trng ti thiăđim
t,
là cung thông tin v công ty ti thiăđim t, là tp hp cung thông tin ti thi

đim t.
3.2 D liu
 thc hin nghiên cu này, Tác gi s dng b d liu theo tun (cung,
cu thông tin, khiălng giao dchăvƠăgiáăđóngăca) ca 30 mã c phiu trong r
VN30 k 2/2014 , ch s th trng VNINDEX so sánh vi 30 mã c phiu trong r
HNX30 k 05/05/2014 và ch s th trng HNXINDEX. La chn d liu da
vào VN30, HNX30 ậ bao gm nhng c phiuă đƣă đc sàng lcă vƠă că cu theo
19

thông l quc tê (sàng lc v giá tr vn hóa, t l free-float, tính thanh khon) th
hin chính xác nht mi quan h cung cu trên th trng. Thi gian nghiên cu là
06ănmă(t nmă2008ăđn 31/07/2014). Tiêu chí lc ra 30 c phiuăđ vào danh sách
VN30 vƠăHNX30nhăsau:
Các bc sàng lc c phiu vào danh mc VN30
ψc 1: Sàng lc giá tr vn hóa
Tp hp các c phiu thaămƣnăđiu kin tham gia tính toán ch s VN30
đc sp xp theo th t gim dn theo giá tr vn hóa hàng ngày bình quân trong 6
thángăchaăđiu chnh free-float (t l phnătrmăgia s lng c phiuăđƣăniêmăyt
trên s lng c phiuăđangăluăhƠnh).
50 c phiu có giá tr vn hóa cao nht t trên xung s đc chn.
ψc 2: Sàng lc v free-float
C phiu có t l free-float =< 5% s b loi
ψc 3: Sàng lc v thanh khon
Tp hp các c phiu còn liăsauăbcă2ăđc xp theo th t gim dn v
giá tr giao dch hng ngày bình quân trong 6 tháng.
Áp dng quy tc thêm vào và loi b c phiu trong r ch s nhmăđm bo
ch s mang tính năđnhănhngăvnăđi din cho toàn th trng.
- C phiuăđng  v trí th 20 tr lênăđngănhiênăcóămt trong ch s
- C phiuăđng  v trí th 41 tr xungăđngănhiênăb loi khi ch s
- C phiuăđng v tríă21ăđnă40:ăuătiênăc phiuăcă(đƣăcóătrongăch s) sau

đóămiăxétăđn c phiu mi sao cho s lng c phiu trong r bng 30 c phiu.
Trng hp có nhiuăhnă1ăc phiuăcăcóăcùngăv trí, s uătiênăchn c phiuăcă
có giá tr vnăhóaăhƠngăngƠyăbìnhăquơnăcaoăhnăca k xem xét.
20

Sau quá trình sàng lc trên, top 40 c phiu có giá tr giao dch cao nht theo
th t xp hng t trên xung s đc chn,ătrongăđóă Top 30 c phiu s đcăđaă
vào danh mc chính thc ca r ch s

Các bc sàng lc c phiu vào danh mc HNX30
A.ăTiêuăchíăvƠăphngăphápăla chn c phiu vào r ch s:
Các c phiuăđc la chn là c phiu ca các doanh nghipăđangăniêmăyt ti
HNX và không thuc mt trong các dinăsauăđơy:
C phiu thuc din b kim soát, b tm ngng giao dch trong vòng 03
thángătínhăđn thiăđim xem xét;
C phiu có thi gian niêm yt và giao dchătrênăHNXădi 06 tháng, ngoi
tr trng hpăđc bităđc Hiăđng ch s thông qua.
B.ăCácăbc la chn c phiu vào r ch s đc tinăhƠnhătheoăcácăbc sau:
ψc 1:
Tính giá tr giao dch bình quân phiên trong 12 tháng gn nht tính t ngày
căs tr v trc caăcácămƣăđápăngăđiu kinătrên,ăsauăđóăchn 100 mã có giá tr
giao dch bình quân phiên ln nht (Top100GTGD);
ψc 2:
Trong Top100GTGD chn 70 mã có mc vn hóa th trngăsauăkhiăđiu
chnh khiălng t do chuynănhng (free float adjusted market capitalization-
FFMC) bình quân trong 12 tháng gn nht ln nht (Top70);
ψc 3:
Trong Top70, kim tra các tiêu chun v thanh khon:
+ Tính KLGD trung v ngày trong 12 tháng gn nht theo cách: tính tng
KLGD tng phiên ca mi tháng, sp xp theo th t t caoăđn thp, chn KLGD

21

 gia làm KLGD trung v (trongătrng hp có 2 ngày  gia thì s ly KLGD
trung bình ca 2 ngày này làm KLGD trung v);
+ Tính t l KLGD trung v ca mi tháng so vi khiălng luăhƠnhăca
ngày cui tháng (r);
+ Tt c mã chng khoán có 6 trên 12 tháng có t l r < 0,02% s b loi;

ψc 4:
i vi các mã chngăkhoánăđt yêu cu thanh khon tiăBc 4, xem xét
loi b các chngăkhoánăđc bit theo yêu cu ca Hiăđng ch s (nu có);
ψc 5:
La chn 30 mã chng khoán có FFMC ln nhtăvƠăđm bo s chng khoán
miăngƠnhăkhôngăvt quá 20% s lng chng khoán trong r, các chng khoán
còn li s nm trong danh sách ch.

D liu cu thông tin: Tác gi ly d liu Cu hàng tun thông qua Google
Insights for Search. Dch v Google Insights for Search cung cp d liu SVI
(Search Volume Index) cho bt k t khóaăngi s dng nhp vào theo thi gian
và v tríăđaălỦăxácăđnh (link
V t khóa tìm kim, Da và các cng s (2011a) cho rng s dng t khóa là
mã c phiu ttăhnătênăcôngătyătheoăbaălỦădoăcăbn. Th nht, miăngi có th
tìm kim tên công ty vi nhng lý do khác không phi mcăđíchăđuăt.ăTh hai, có
nhiuăcáchăđ đánhăvn tên công ty. Th ba, dch v Google Trends s dng d liu
đu vào dng alpharithmetic - d liu dng bng ch cái và s hc, ví d trng hp
công ty 3M. Bài nghiên cu này, Tác gi s dng t khóa ch yu là mã c phiu,
mtăvƠiătrng hp s dng tên hoc tên vn tt ca công ty do có s lng tìm
kim lnăhn.ăTác gi cngăgi đnhălt tìm kim tên công ty, mã c phiu không
phi mcăđíchăđuătă ch mang tính nguă nhiên,ă xuă hng, mùa v s đc kh
trong quá trình x lý d liu.

22

MÃ
CK
TÊN CÔNG TY
T KHÓA
VN30
SSI
CTCP CHNG KHOÁN SÀI GÒN
SSI
HAG
CTCP HOÀNG ANH GIA LAI
HOÀNG ANH GIA
LAI
FLC
CTCP TPăOẨNăFLC
FLC
ITA
CTCPăUăTăCÔNGăNGHIP TÂN TO
ITA
VNM
CTCP SA VIT NAM
VINAMILK
FPT
CÔNG TY C PHN FPT
FPT
VIC
TPăOẨNăVINGROUP-CTCP
VINCOM
MSN

CTCP TPăOẨNăMASAN
MASAN
REE
CTCPăCăIN LNH
REE
DPM
TCT PHÂN BÓN VÀ HÓA CHT DU KHÍ-CTCP
DPM
HPG
CTCP TPăOẨNăHọAăPHÁT
HÒA PHÁT
PVD
TNG CTCP KHOAN VÀ DCH V KHOAN DU KHÍ
PVD
OGC
CTCP TPăOẨNăIăDNG
OGC
MBB
NGỂNăHẨNGăTMCPăQUỂNăI
NGÂN HÀNG QUÂN
I
HCM
CTCP CHNG KHOÁN THÀNH PH H CHÍ MINH
CHNG KHOÁN
TP.HCM
IJC
CTCP PHÁT TRIN H TNG K THUT
IJC
HSG
CTCP TPăOẨNăHOAăSEN

HSG
STB
NGỂNăHẨNGăTMCPăSẨIăGọNăTHNGăTệN
SACOMBANK
VCB
NGÂN HÀNG TMCP NGOIăTHNGăVIT NAM
VIETCOMBANK
CSM
CTCP CÔNG NGHIP CAO SU MIN NAM
CSM
CII
CTCPăUăTăH TNG K THUT TP. HCM
CII