Mối quan hệ giữa nhu cầu thông tin và độ bất ổn của thị trường chứng khoán

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

TRẦN NGUYỄN HUY NHÂN

MỐI QUAN HỆ GIỮA NHU CẦU THÔNG TIN VÀ
ĐỘ BẤT ỔN CỦA THỊ TRƯỜNG CHỨNG KHOÁN
Chuyên ngành: Tài chính – Ngân hàng

LUẬN VĂN THẠC SĨ KINH TẾ

TP. HỒ CHÍ MINH – Năm 2014

BỘ GIÁO DỤC VÀ ĐÀO TẠO


TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

TRẦN NGUYỄN HUY NHÂN

MỐI QUAN HỆ GIỮA NHU CẦU THÔNG TIN VÀ
ĐỘ BẤT ỔN CỦA THỊ TRƯỜNG CHỨNG KHOÁN
Chuyên ngành: Tài chính – Ngân hàng
Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ
GVHD: TS. NGUYỄN KHẮC QUỐC BẢO

TP. HỒ CHÍ MINH – Năm 2014

DANH MỤC BẢNG BIỂU

Bảng 1: Danh sách công ty trong mẫu và từ khóa tìm kiếm......................................22
Bảng 2: Thống kê mô tả biến cầu thông tin...............................................................27
Bảng 3: Kiểm Định Jarque-Bera biến cầu thông tin..................................................28
Bảng 4: Thống kê mô tả biến cung thông tin.............................................................30
Bảng 5: Kiểm Định Jarque-Bera biến cung thông tin................................................32
Bảng 6: Tương quan giữa cung và cầu thông tin.......................................................37
Bảng 7: Kết quả hồi qui OLS giữa độ bất ổn hàm ý của cổ phiếu và các biến cung và cầu
thông tin......................................................................................................................40
Bảng 8: Kết quả ước lượng mô hình GARCH với biến cung và cầu thông tin........43
Bảng 9: Tương quan Pearson giữa cầu thông tin của công ty và thị trường với khối lượng
giao dịch......................................................................................................................45
Bảng 10:Kết quả hồi qui OLS giữa khối lượng giao dịch của cổ phiếu, biến tỷ suất sinh lợi
và các biến cung, cầu thông tin..................................................................................46
Bảng 11:Hệ số tương quan giữa Cầu thông tin và Độ bất ổn lịch sử /Khối lượng giao dịch
theo 2 mẫu: thời kỳ từ 1/1/2008 đến 31/12/2011 và kỳ từ 1/1/2002 đến 31/07/201449
Bảng 12:Kết quả hồi qui OLS giữa độ bất ổn hàm ý của cổ phiếu và các biến cung và cầu
thông tinvới biến giả trạng thái thị trường.................................................................51

MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC BẢNG BIỂU


TÓM TẮT
Mục tiêu của nghiên cứu này là nhằm tìm hiểu tác động của cung, cầu thông tin ở cấp độ doanh
nghiệp và thị trường đến độ bất ổn giá chứng khoán của các công ty niêm yết trên sàn HoSE và

HNX. Nghiên cứu này dựa trên cách tiếp cận phi truyền thống, sử dụng dữ liệu cầu thông tin được
đo lường dựa vào khối lượng tìm kiếm trên Google thông qua công cụ Google Trends. Kết quả
nghiên cứu đã cho thấy rằng cả cầu và cung thông tin đều có tác động đến độ bất ổn của thị trường
chứng khoán. Tác động mạnh và vượt trội hơn đối với cầu thông tin, trong đó cầu thông tin toàn thị
trường có mức tác động lớn hơn cầu thông tin tại cấp độ từng cổ phiếu. Điều đó cho thấy nhà đầu tư
bị tác động mạnh hơn bởi thông tin về thị trường và bị tác động nhỏ hơn từ thông tin riêng lẻ của
từng cổ phiếu.

Từ khóa: Cầu thông tin, Thị trường tài chính, Độ biến động


1 GIỚI THIỆU
1.1 Đặt vấn đề
Thị trường chứng khoán đóng vai trò là một kênh đầu tư hấp dẫn và là nơi phản ánh kỳ
vọng của nhà đầu tư vào nền kinh tế. Thông tin là loại tài sản có giá trị và được tìm kiếm
nhiều nhất trong thị trường. Có thể thấy điều đó qua sự đa dạng về nguồn cung cấp thông tin
và số lượng thông tin cũng như số lượng người theo dõi các thông tin hàng ngày. Lịch sử đã
cho thấy sự phát triển của thị trường phải được đánh giá trên mức độ tham gia của các nhà
đầu tư (Lượng) và mức độ minh bạch và hiệu quả của thị trường trong vai trò luân chuyển
vốn (Chất). Mức độ tham gia và trưởng thành của nhà đầu tư có thể đo lường thông qua nhu
cầu về thông tin, phân tích thông tin.
Việc dự báo giá và độ biến động giá từ lâu đã là một chủ đề hấp dẫn trong giới tài
chính. Đã có nhiều nghiên cứu về vấn đề này, hầu hết các nghiên cứu cho kết quả rằng giá
chứng khoán chịu tác động của các yếu tố như: lãi suất, tỷ giá, tâm lý đầu cơ… Tuy nhiên,
dưới góc nhìn thành phần tham gia thị trường, có một bộ phần không nhỏ những nhà đầu tư
- những người mà các quyết định sẽ ảnh hưởng trực tiếp đến thị trường, đưa ra lệnh mua,
bán hoàn toàn dựa vào nhũng thông tin về cổ phiếu họ góp nhặt trên Internet.
Đã có những nghiên cứu tập trung vào vai trò của cung, cầu thông tin đối với thị
trường (Kihlstrom, 1974; Grossman và Stiglitz, 1980; Radner và Stiglitz, 1984; Allen, 1990)
nhưng với các cách xác định dòng chảy thông tin khác nhau như sử dụng số lượng tin tức vĩ

mô và tin tức từng công ty được công bố bởi Dow Jones & Company trên Broadtape và
Wall Street Journal hay khối lượng thông tin trong hệ thống Reuters North American Wire.
Xuất phát từ việc công nhận ngày nay internet đã cách mạng hóa thông tin, hoạt động môi
giới chứng khoán, cách tiếp cận thông tin trong ngành tài chính và thói quen xem xét thông
tin trên mạng trước khi thực hiện quyết định của phần lớn nhà đầu tư Việt Nam, tác giả tiếp
cận dạng dữ liệu mới đại diện cho cầu thông tin về doanh nghiệp theo khối lượng tìm kiếm
trên internet theo nghiên cứu của Nikolaos Vlastakis và Raphael N. Markellos , 2012. Dữ


liệu này cho phép kiểm tra lần lượt mức ảnh hưởng của cầu thông tin của từng cổ phiếu
riêng biệt và của toàn thị trường.
Với một thị trường còn khá non trẻ như thị trường cổ phiếu Việt Nam, trình độ nhà
đầu tư có sự phân hóa cao thêm vào đó là nhu cầu sáp nhập hai sàn HOSE và HNX trong
tương lai thì việc tìm hiểu ảnh hưởng cung cầu thông tin đến mức biến động của giá cổ
phiếu nhằm xác định xu hướng trưởng thành của các nhà đầu tư có một ý nghĩa quan trọng
đối với sự phát triển bền vững của thị trường cổ phiếu Việt Nam trong tương lai.
Xuất phát từ lý do trên, tác giả chọn đề tài nghiên cứu “Mối quan hệ giữa nhu cầu
thông tin và độ bất ổn của thị trường chứng khoán” cho bài luận văn của mình với mong
muốn cung cấp thêm bằng chứng thực nghiệm về ảnh hưởng của nhu cầu tìm kiếm thông tin
đến sự biến động của giá cổ phiếu.
1.2 Mục tiêu và câu hỏi nghiên cứu
Mục tiêu nghiên cứu của luận văn là đo lường mức độ ảnh hưởng của cung cầu thông
tin lên độ biến động của công ty, thị trường, nhấn mạnh vào từng thời kỳ.
Từ mục tiêu nghiên cứu trên, các câu hỏi nghiên cứu được đặt ra bao gồm: (1) Mối
quan hệ giữa cung thông tin và cầu thông tin? (2) Ảnh hưởng của cung và cầu thông tin lên
độ bất ổn và khối lượng giao dịch? (3) Ảnh hưởng của trạng thái thị trường lên cung cầu
thông tin và khối lượng giao dịch?
1.3 Phương pháp nghiên cứu
Bài nghiên cứu sử dụng phương pháp phân tích định lượng. Mô hình hồi quy OLS và
GARCH (1;1) được sử dụng để khảo sát ảnh hưởng của cung cầu thông tin đến giá cổ phiếu.

Phương pháp định lượng được thực hiện qua các bước:
Dữ liệu cung, cầu thông tin, giá, khối lượng giao dịch của các cổ phiếu trong mẫu
giai đoạn 2008-2014 được thu thập (chi tiết nêu phần 3.2 Dữ liệu)
Tác giả làm sạch dữ liệu và tính toán giá trị các biến được xem xét trong mô hình
nghiên cứu thông qua công cụ hỗ trợ Microsoft Office Excel.


Phần mềm phân tích dữ liệu Stata SE 12 được sử dụng để xây dựng mô hình nghiên
cứu.
1.4 Kết cấu luận văn
Tác giả cầu trúc nội dung bài nghiên cứu theo 05 (năm) chương với nội dung như
sau: Trong Chương 1 -Giới thiệu, tác giả trình bày vấn đề nghiên cứu, mục tiêu và câu hỏi
nghiên cứu, phương pháp nghiên cứu. Sau đó, trong Chương 2: Tổng quan lý thuyết và và
bằng chứng thực nghiệm trên thế giới, tác giả tóm tắt lại các kết quả nghiên cứu trên thế
giới liên quan đến vấn đề cung cầu thông tin. Đồng thời, giới thiệu dữ liệu trích xuất từ công
cụ Google Trends như là đại diện mới cho cầu thông tin. Kế tiếp trong Chương 3: Phương
pháp nghiên cứu, tác giả trình bày chi tiết về phương pháp nghiên cứu thực hiện, mô hình
nghiên cứu, các bước thu thập và xử lý số liệu. Trong Chương 4: Nội dung và kết quả
nghiên cứu, tác giả dùng phân tích hồi quy để nghiên cứu mối tương quan giữa cung, cầu
thông tin; ảnh hưởng của cung, cầu thông tin đến độ bất ổn giá và khối lương giao dịch tại
Việt Nam. Cuối cùng trong Chương 5: Kết luận, tác giả tóm tắt lại kết quả nghiên cứu, đưa
ra một số kiến nghị cũng như giới hạn của bài nghiên cứu.

CHƯƠNG 2:

THÔNG TIN VÀ ĐỘ BÁT ỔN GIÁ CHỨNG
KHOÁN

2.1 Phương pháp tiếp cận truyền thống
Về phía cung thông tin, mối quan hệ giữa dòng chảy thông tin và thị trường tài chính

đã được nhiều nhà kinh tế tài chính nhắc đến (Fama và các cộng sự, 1969; French và Roll,
1986). Ederington và Lee (1993) đã tìm thấy mối quan hệ mạnh giữa các thông báo vĩ mô
đã được lên kế hoạch với độ bất ổn của lãi suất và tỷ giá giao sau. Các giả thiết mở rộng


nhằm đo lường mối quan hệ giữa hoạt động thị trường - độ bất ổn tỷ suất sinh lợivà khối
lượng giao dịch liên quan trực tiếp đến tần suất xuất hiện thông tin. Sợi dây liên hệ các lý
thuyết này là “Giả thuyết Phân phối hỗn hợp (Mixture of Distributions Hypothesis)”
(Clark, 1973; Epps và Epps, 1973; Tauchen và Pitts, 1983; và những nghiên cứu khác)
(gọi tắt là MDH). Trọng tâm của thuyết MDH là việc những dòng chảy thông tin sẽ làm
thay đổi giá và khối lượng giao dịch. Sự xuất hiện không mong đợi của tin tốt sẽ làm giá
tăng và ngược lại khi tin xấu xuất hiện. Cả hai hoạt động đó đều đi kèm với khối lượng giao
dịch trên mức trung bình, đồng thời thiết lập một mức cân bằng mới.
Vì thông tin không được quan sát trực tiếp, mọi nỗ lực nghiên cứu thực nghiệm ảnh
hưởng của nó lên các thị trường tài chính đều yêu cầu một phương pháp xác định dòng chảy
thông tin cụ thể. Mitchel và Mulherin (1994) đo lường dòng chảy thông tin bằng cách sử
dụng số lượng tin tức vĩ mô và tin tức từng công ty được công bố bởi Dow Jones &
Company trên Broadtape và Wall Street Journal… và thấy rằng dòng chảy thông tin có mẫu
hình theo ngày, tuần và tháng trong năm, tương ứng với những mẫu hình biến động giá tài
sản. Họ tìm thấy các bằng chứng có ý nghĩa thống kê rằng: 1. Mối quan hệ giữa thông tin và
khối lượng giao dịch, nhưng với độ bất ổn thì có mối quan hệ yếu. 2. Mẫu hình theo mùa
của dòng chảy các thông tin mới công bố. 3. Có sự khác nhau trong dòng chảy thông tin
giữa thời gian giao dịch và thời gian không giao dịch và tranh luận rằng điều này có thể giải
thích sự khác nhau trong độ bất ổn được quan sát bởi French và Roll (1986). Berry và
Howe (1994) nghiên cứu bằng khối lượng thông tin trong hệ thống Reuters North American
Wire.
Sự khác biệt trong các bài nghiên cứu phần lớn do sự xác định độ lớn của từng thị
trường và cách phân loại thông tin của từng công ty. Thompson và các cộng sự (1987)
nghiên cứu các đặc điểm của thông tin về các công ty trong Wall Street Journal Index năm
1983, họ phân loại chúng theo cấp độ công ty, ngành kinh doanh, ngày trong tuần và tháng

trong năm. Họ nhận thấy rằng tin tức của một vài công ty có ảnh hưởng mang tính thống kê
đến tỷ suất sinh lợi cổ phiếu. Bessembinder và các cộng sự (1996) đánh giá mối quan hệ
giữa khối lượng giao dịch và thông tin theo cấp độ công ty và toàn thị trường bằng cách sử
dụng dữ liệu từ danh mục đầu tư của các công ty theo mức vốn hóa. Họ thấy rằng thông tin
ở mức độ của từng công ty có tác động dương đến hoạt động giao dịch của tất cả các công


ty, nhưng những công ty nhỏ lại chịu tác động lớn hơn. Hơn nữa, họ còn thấy rằng thông tin
toàn thị trường có tác động đáng tin cậy lên các công ty lớn và tác động ít đến các công ty
nhỏ. Các tác giả không đưa ra phương pháp rõ ràng để xác định dòng chảy thông tin, như
bằng cách dựa vào các tin tức công bố hay các đại diện khác mà thay vào đó, họ sử dụng
như những đại diện gián tiếp (indirect proxies). Cụ thể, họ sử dụng độ bất ổn của tỷ suất
sinh lợi theo một danh mục được đa dạng hóa để tính toán hoạt động thị trường, và dùng trị
tuyệt đối độ lệch chuẩn của tỷ suất sinh lợi từng công ty từ mô hình CAPM để đo lường
thông tin theo cấp độ công ty. Áp dụng các biến này gây ra một sự bất lợi về việc đánh giá
mối quan hệ giữa dòng chảy thông tin và độ bất ổn vì nó giả định mối quan hệ trên đã tồn
tại sẵn có.Ryan và Taffler (2004) đã nghiên cứu mẫu 350 công ty lớn nhất trên sàn chứng
khoán London và đưa ra các bằng chứng về việc các thông tin theo từng công ty có quan hệ
thống kê với sự biến động giá cổ phiếu và khối lượng giao dịch.
Nhằm nắm bắt tác động thật sự của các tin tức hay thông tin công bố cho nhà đầu tư,
một vài nghiên cứu cố gắng xác định mức độ quan trọng của mỗi thông tin khác
nhau.Mitchel và Mulherin (1994) xem xét số lượng tiêu đề của một thông báo, kích thước
tiêu đề trên tờ New York Times và sự xuất hiện các thông báo vĩ mô hàng tháng.Klibanoff
và các cộng sự (1998) xem xét các thông tin nổi bật trên trang nhất của tờ New York
Times. Ryan và Taffler (2004) xác định những biến động lớn của thị trường và nghiên cứu
tin tức đằng sau những biến động đó.Mặc dù các nghiên cứu trên cho kết quả có ý nghĩa
thống kê nhưng họ chỉ tập trung vào các sự kiện gây ra biến động thị trường mạnh,đã loại
trừ một lượng lớn thông tin và có thể làm phóng đại ảnh hưởng của thông tin lên tỷ suất sinh
lợi cổ phiếu.
Về phía cầu thông tin có thể tóm tắt thông qua các kết quả nghiên cứu chính sau:

Thông tin có tính thay thế. Grossman và Stiglitz (1980) với nghiên cứu “On the
Impossibility of Informationally Efficient Markets”, cho rằng giá cổ phiếu bị ảnh hưởng bởi
những người nắm thông tin và những người không nắm thông tin. Vì phải tốn chi phí để có
được thông tin nên ban đầu số lượng người nắm thông tin rất ít. Càng về sau, số lượng này
càng tăng lên làm cho thông tin được phản ánh vào trong giá cổ phiếu nhiều hơn. Lúc này,
lợi ích của những người nắm thông tin so với người không nắm thông tin sẽ nhỏ đi, cầu
thông tin giảm xuống.


Phần trăm các nhà giao dịch nắm thông tin tỉ lệ với độ nhiễu thị trường. Theo
Veldkamp (2006) với nghiên cứu “Media frenzies in markets for financial information”,
thông tin có chi phí cố định cao (chi phí của việc xây dựng hệ thống thông tin) và chi phí
biến đổi rất thấp (chi phí sao chép) nên số lượng thông tin càng lớn thì chi phí càng giảm.
Chi phí giảm khiến nhà đầu tư ít chịu rủi ro hơn, họ sẽ nắm thông tin nhiều hơn và giá cổ
phiếu cũng phản ánh nhiều thông tin hơn khiến giá biến động nhiều hơn.
Cầu thông tin tăng khi mức độ cần thiết phân tích thông tin tăng. Moscarini và
Smith (2002) với nghiên cứu “The law of large demand for information”. Khi một thông
tin phức tạp xuất hiện, sẽ có sự không rõ ràng về ảnh hưởng của thông tin, lúc này nhu cầu
thông tin tăng lên nhằm cắt nghĩa thông tin phức tạp trên và ngược lại. Giống như trong
cuộc sống, khi một sự kiện khó hiểu xảy ra, con người với sự tò mò sẽ đào sâu tìm hiểu hơn.
Khi con người hài lòng với thông tin nhận được và ảnh hưởng của sự kiện ít nhiều đã được
biết, họ sẽ dừng nhu cầu về thông tin. Do đó, cầu thông tin phản ánh mức quan trọng của
những thông tin mới vì nó kết hợp hiệu ứng của những thông tin mới tới cộng đồng.
Cầu thông tin có tương quan dương đến mức e ngại rủi ro.Theo (Willinger,
1989; Eeckhoudt và Godfroid, 2000). Trong thị trường tài chính, nhà đầu tư e ngại rủi ro
sẽ yêu cầu thông tin nhiều hơn một nhà đầu tư ưa thích rủi ro. Một vài bài nghiên cứu giả
định ngược lại. Ví dụ, Freixas và Kihlstrom (1984) cho rằng nhà đầu tư không thể dự tính
về việc loại thông tin mà họ sẽ biết, liệu thông tin đó là tốt hay xấu. Vì thông tin không phải
là miễn phí nên có rủi ro nhất định trong việc lấy thông tin. Điều này dẫn đến kết luận rằng
nhà đầu tư e ngại rủi ro sẽ ít sẵn sàng chi tiền để lấy thông tin hơn nhà đầu tư ưa thích rủi ro.

Mối quan hệ giữa việc không thích rủi ro và cầu thông tin vẫn chưa có nghiên cứu thực
nghiệm. Điều này có thể gây ra khó khăn khi tìm hiểu chất lượng của hai biến.
2.2 Phương pháp tiếp cận dựa trên dữ liệu phi truyền thống
Ngày nay, nhà đầu tư có thể sử dụng các công cụ tìm kiếm để thu thập thông tin trên
internet trước khi giao dịch. Internet đã giúp cho việc thông báo, lan truyền và tìm kiếm
thông tin dễ dàng hơn với chi phí thấp. Vì độ rộng và sâu quá lớn của internet, nên việc nắm
bắt hết toàn bộ thông tin là một nhiệm vụ khó khăn. Đây là lý do chính để giải thích tại sao
mọi người dựa vào công nghệ tìm kiếm để lấy thông tin trên web. Mặc dù các nghiên cứu


trước đã mở rộng khảo sát tác động của dòng chảy thông tin đến thị trường vốn, ví dụ như
Antweiler và Frank (2004) đã nghiên cứu các tin nhắn internet trên các lĩnh vực khác nhau
và thấy rằng các tin về cổ phiếu có ảnh hưởng mang tính thống kê mạnh đến tỷ suất sinh lợi
cổ phiếu, một tín hiệu rõ ràng cho thấy số lượng đáng kể các nhà đầu tư quan tâm đến việc
sử dụng nguồn thông tin từ internet rất cao. Rubin và Rubin (2010) đã sử dụng mức chỉnh
sửa thường xuyên của các bài đăng về công ty trên Wikipedia là nguồn mà mọi người tìm
kiếm thông tin về công ty. Họ cho thấy rằng khi mức chỉnh sửa thường xuyên tăng lên sẽ
làm mức độ dự báo lỗi của các nhà phân tích giá cổ phiếu ít hơn, mức phân tán trong dự báo
phân tích nhỏ hơn. Tuy nhiên ảnh hưởng của thông tin từ internet đến hoạt động giao dịch
cổ phiếu vẫn chưa được làm rõ.
Bài nghiên cứu sử dụng dữ liệu trích xuất từ Google Trends – công cụ thống kê các
thói quen và xu hướng tìm kiếm của người dùng Google trên toàn thế giới. Google Trends
hỗ trợ theo dõi sự tăng giảm của chỉ số tìm kiếm đối với từng từ khóa được người dùng tìm
kiếm trên Google theo Quốc gia, ngôn ngữ và mốc thời gian. Ngoài ra, người dùng có thể sử
dụng Google Trends nhằm so sánh hai hay nhiều từ khóa khác nhau. VD: đối với các công
ty có nhiều tên gọi bên cạnh mã cổ phiếu như Hoàng anh Gia Lai, HAG, Hoàng anh Gia Lai
Việt Nam thì chức năng so sách cho phép chọn lựa từ khóa được nhiều người quan tâm
nhất.
2.3 Bằng chứng thực nghiệm từ các nghiên cứu trước đây
Dữ liệu tìm kiếm trích xuất từ Google Trends đã được Da và các cộng sự (2011a) sử

dụng để đánh giá mức độ quan tâm nhà đầu tư. Họ ước lượng mức độ quan tâm của nhà đầu
tư về tài sản theo SVI và mối quan hệ của nó với các phương pháp đánh giá hiện hữu. Họ
cũng đánh giá giả thuyết về việc SVI có nắm bắt mức quan tâm của từng nhà đầu tư hay
không. Trong phương pháp thực nghiệm của họ, họ phân tích SVI theo tuần đối với các từ
khóa tìm kiếm của Russell 3000 để xem xét hoạt động giá cổ phiếu. Các kết quả cho thấy
SVI có thể đo lường mức quan tâm của nhà đầu tư hiệu quả hơn các phương pháp khác.
Theo một phương pháp khác, Da và các cộng sự (2011b) xây dựng chỉ số Trạng thái tài
chính và nền kinh tế bằng số lượt tìm kiếm (Financial và Economic Attitudes Revealed by
Search (FEARS)) bằng cách tổng hợp SVI hàng ngày theo các từ khóa liên quan đến tài


chính hộ gia đình và sự quan tâm về nền kinh tế. Ủng hộ với mô hình “các nhà giao dịch
nhiễu” của De Long và các cộng sự (1990), chỉ số của họ có thể dự đoán độ bất ổn lịch sử
của các ETF (Quỹ đầu tư chỉ số) thậm chí sau khi tính toán cho các biến như chỉ số VIX
(Chỉ số biến động thị trường (Volatility Index)), khối lượng và doanh thu, cũng như các
phương pháp thay thế khác. Chỉ số trên cũng dự đoán dòng chảy đầu tư hàng ngày từ giá cổ
phiếu sang các tài sản có thu nhập có định, và các quỹ đầu tư vào kim loại quý, phù hợp với
hiệu ứng “Tiềm về giá trị (flight to quality)” trong thời gian hỗn loạn. Gần đây hơn, Da và
các cộng sự (2011c) cho thấy rằng sự thay đổi trong SVI của hàng hóa sản xuất có thể dự
đoán các thông báo không mong đợi liên quan đến doanh thu của công ty phù hợp với các
dự báo phân tích.
Zhi Da, Joseph Engelberg và Pengjie Gao, 2011với nghiên cứu “In Search of
Attention” cũng đã sử dụng SVI để đo lường sự chú ý của nhà đầu tư. Tác giả sử dụng mẫu
gồm 3000 chứng khoán từ năm 2004 đến năm 2008 theo nghiên cứu của Russell. Tác giả
thấy rằng công cụ SVI: (1) Tương quan nhưng khác biệt với với các đại diện cầu thông tin
trong các nghiên cứu trước. (2) Nắm bắt được nhu cầu nhà đầu tư một các kịp thời. (3) Là
một công cụ đo lường sự chú ý của các nhà đầu tư nhỏ lẻ. Một sự gia tăng trong SVI dự
đoán một mức giá cao hơn trong 02 tuần kế tiếp. Selene Yue Xu, 2012cũng đã sử dụng dữ
liệu chuỗi thời gian với thông tin lấy từ Google Trends và Yahoo Finance để dự đoán sự
thay đổi gia chứng khoán theo tuần. Kết quả nghiên cứu cho thấy có sự tương quan mang ý

nghĩa thống kê giữa sự thay đổi gia chứng khoán và dữ liệu nhu cầu thông tin trích xuất từ
Google Trends.
Tzu-Lun Huang, Miao-Ling Chen, Hsio-Jen Kuo và Kuan-Ling Lai, 2013trong
nghiên cứu “Information demand Revealed by Google Search Engine and Speculative
Trading Activities in the Capital Market” cũng đã sử dụng SVI là đại diện biến cầu thông tin
nhằm mở rộng vai trò của cầu thông tin trong giao dịch cổ phiếu, tập trung vào giới đầu cơ
thông qua các hình thức bán khống, sử dụng margin. Nghiên cứu kết luận rằng sự gia tăng
trong dữ liệu SVI tương quan dương với khối lượng giao dịch bởi các nhà đầu tư cá nhân.
Đồng thời kết quả nghiên cứu ủng hộ 02 thuyết: (1) Những nhà đầu tư càng không hiểu về
thị trường thì nhu cầu thông tin càng cao. (2) Càng nhiều thông tin thu thập từ internet, số
lượng nhà đầu tư đầu cơ càng cao. Tóm lại, nghiên cứu kết luận các nhà tạo lập thị trường


có thể dự đoán hoạt động giao dịch của các nhà đầu tư cá nhân thông qua sự thay đổi của
Google Search Volume
Christopher Fink và Thomas Johann, 2014 trong nghiên cứu“May I Have Your
Attention, Please: The Market Microstructure of Investor Attention” đã sử dụng Google
Search Volume để xác định tác động từ sự chú ý của nhà đầu tư đến tính thanh khoản và lợi
nhuận của cổ phiếu. Các tác giả thấy rằng tính thanh khoản tăng vào những ngày có mức độ
chú ý tăng, tín hiệu này mạnh hơn ở những cổ phiếu các doanh nghiệp nhỏ.
Tóm lại, dữ liệu trích xuất từ Google Trends thông qua chỉ số SVI đã được thừa nhận
và sử dụng rộng rãi thời gian qua trong việc đại diện cho nhu cầu thông tin (sự chú ý) của
những nhà đầu tư cá nhân. Do đó, trong bài nghiên cứu này tác giả sử dụng số lượng các tìm
kiếm trên Google - phương pháp tìm kiếm trên internet phổ biến nhất thông qua dịch vụ
“Google Trends” chỉ số “Search Volume Index” (SVI) – như một cách tiếp cần mới làm
đại diện cho cầu thông tin.
2.4 Một số nghiên cứu liên quan
Jeff Fleming, Chris Kirby và Barbara Ostdiek với nghiên cứu “Information and volatility
linkages in the stock, bond, and money markets”
Nghiên cứu này xem xét vai trò của thông tin trong việc tạo mối liên kết sự biến

động giữa các thị trường. Để dự đoán về sức mạnh của những liên kết này, nhóm tác giả đã
xây dựng một mô hình đơn giản về kinh doanh đầu cơ. Trong mô hình này, có hai nguồn
riêng biệt gây nảy sinh ra những liên kết. Thứ nhất là thông tin chung, như tin tức mới về
lạm phát gây ảnh hưởng đồng thời lên kỳ vọng của các nhà đầu tư trên nhiều thị trường.
Thứ hai là do nghiệp vụ tự bảo hiểm chéo giữa các thị trường. Khi thông tin gây ra thay đổi
kỳ vọng trên một thị trường, các nhà kinh doanh điều chỉnh lượng nắm giữ của mình giữa
các thị trường, tạo ra hiệu ứng lan tỏa thông tin. Trong thị trường cổ phiếu, trái phiếu và tiền
tệ, cả hai nguồn này đều có vai trò quan trọng. Mỗi thị trường đều chịu ảnh hưởng bởi thông
tin vĩ mô và đặc tính này là thuận lợi cho nghiệp vụ tự bảo hiểm chéo giữa các thị trường.
Do đó, nhóm tác giả kỳ vọng có thể quan sát được những mối liên kết tính biến động mạnh
mẽ.


Để đo lường sức mạnh của các liên kết sự biến động giữa những thị trường, nhóm tác
giả xây dựng một phương trình dựa trên thực nghiệm, trong đó phương sai của lợi nhuận tỷ
lệ thuận với dòng thông tin. Với những biến động mạnh kéo dài, tác giả mô hình hóa dòng
thông tin bằng sai phân AR(1). Tác giả sử dụng GMM để ước lượng phương trình kinh tế
của mình, và kiểm định xem mối liên kết sự biến động giữa thị trường cổ phiếu, trái phiếu
và tiền tệ có phù hợp với các kết quả suy ra từ mô hình thương mại hay không. Nhìn chung,
các kết quả chỉ ra rằng mô hình phù hợp với dữ liệu mẫu. Cả kiểm định đơn biến và hai biến
đều cho thấy có ít bằng chứng rằng phương trình sai. Thêm vào đó, tham số ước lượng thể
hiện dòng thông tin gây ra các xu thế thương mại trên cả ba thị trường có mối tương quan
cao. Các mối liên kết mạnh hơn nhiều cho với đề xuất từ tương quan lợi nhuận và lợi nhuận
tuyệt đối giữa các thị trường. Ví dụ, tương quan giữa S&P 500 và T-bill là dưới 13%, và
tương quan lợi nhuận tuyệt đối khoảng 26%, nhưng ước lượng tương quan của log dòng
thông tin thì lên đến gần 67%.Phương trình dựa trên ước lượng chuỗi thời gian và log của
dòng thông tin cho thấy liên kết sự biến động thay đổi theo thời gian. Đặc biệt, liên kết trở
nên mạnh hơn từ năm 1987 khi thị trường chứng khoán sụp đổ. Sự gia tăng này có thể do vì
sự thay đổi trong chế bộ biến động, hay có lẽ nó phản ánh sự gia tăng lan tỏa thông tin vì
thanh khoản tốt hơn của thị trường kỳ hạn. Kiểm định bổ sung tính vững sử dụng lợi nhuận

chuẩn cho thấy mô hình giải thích được phần lớn độ nghiêng và bộ nhọn của dữ liệu lợi
nhuận.
Tổng kết, phân tích thực nghiệm ủng hộ cho mô hình kinh doanh đầu cơ đơn giản
của tác giả. Trong mô hình, nhà kinh doanh xem xét tương quan giữa lợi nhuận trong các thị
trường khác nhau khi đầu tư vào các thị trường. Điều này dẫn đến họ đa dạng hóa các khoản
đầu tư giữa các thị trường nhằm giảm phương sai lợi nhuận. Hành động này, cùng với ảnh
hưởng của các sự kiện thông tin đồng thời làm thay đổi những kỳ vọng vào các thị trường
khác nhau, tạo ra mối liên kết mạnh mẽ về sự biến động giữa các thị trường. Kết quả này có
ý nghĩa quan trọng đối với chiến lược phân bổ tài sản và quản lý rủi ro trong những thời
gian khác nhau. Các nhà đầu tư trước nay thường sử dụng những mô hình chủ yếu là các
yếu tố lợi nhuận. Và phân tích của tác giả chỉ ra tầm quan trọng của những làn sóng biến
động.


Qi Chen, Itay Goldstein và Wei Jiang với nghiên cứu “Price Informativeness and
Investment”
Nghiên cứu thực nghiệm về mối quan hệ giữa lượng thông tin riêng về giá cổ phiếu
và độ nhảy cảm của đầu tư với giá cổ phiếu. Sử dụng hai thước đo lượng thông tin riêng về
giá khác nhau – giá không đồng bộ và PIN – tác giả thấy được mối tương quan mạnh mẽ
giữa lượng thông tin riêng về giá và độ nhạy cảm của đầu tư với giá cổ phiếu. Mối tương
quan này là vững với việc đưa vào cả thông tin về quản lý, bảo hiểm, vốn và kích cỡ doanh
nghiệp, hay một loạt chi tiết khác. Nhìn chung, kết quả của tác giả phù hợp với giả thuyết
cho rằng thông tin riêng về giá là mới đối với các nhà quản lý, họ tìm hiểu nó từ giá và kết
hợp nó vào quyết định đầu tư của mình.
Khả năng về việc giá dẫn dắt các nhà quản lý đưa ra quyết định cho thấy rằng thị
trường tài chính có gây ảnh hưởng tới nền kinh tế thực. Điều này có những ý nghĩa quan
trọng. Một mặt, như Subrahmanyam and Titman (1999) chứng minh, thị trường tài chính có
thể nâng cao hiệu quả đầu tư bởi vì chúng cung cấp những thông tin giá trị tới các nhà quản
lý. Mặt khác, như Goldstein and Guembel (2005) cho thấy, những hiệu ứng phản hồi từ giá
đến nền kinh tế thực có thể làm cho việc thao túng giá xảy ra, và nó chính là nguyên nhân

mà nền kinh tế thực không hiệu quả. Những ảnh hưởng trên có ý nghĩa quan trọng cho các
quy định nhằm tăng tính minh bạch thị trường và khuyến khích việc thu thập thông tin.


Johan Bollen, Huina Mao và Xiaojun Zeng với nghiên cứu “Twitter mood preicts
the stock market_adding” Bài nghiên cứuxét xem liệu tâm trạng quần chúng được đotừ
lượng lớn các tweet được đăng trên twitter.com có tương quanhay thậm chí dự báo giá trị
Dow Jones Industrial Average (DJIA) không. Kết quả cho thấy rằng việc thay đổi trạng thái
tâm trạng là có thể theo dõi từnội dung của nguồn dữ liệu Twitter bằng kỹ thuật xử lý văn
bản đơn giản và những thay đổi như thếlà phản hồi của một loạt những xu hướng văn hóaxã hội khác biệt. Trong số 7 mức tâm trạng được quan sát, chỉ một số là có mối quan hệ
nhân quả Granger với DJIA; sự thay đổi của tâm trạng quần chúng theo 7 mức này tương
ứng với thay đổi trong giá trị DJIA xảy ra 3-4 ngày sau đó.

Louis
K.

C.

Chan,
Josef

Lakonishokm và Theodore Sougiannis với nghiên cứu “The stock market valuation
of Research & Development Expenditures”
Trong nền kinh tế hiện đại, nhiều công ty có lượng lớn tài sản vô hình như mức đầu
tư vào R&D. Theo nguyên tắc kế toán ở Hoa Kỳ, tuy nhiên, những tài sản vô hình như thế


thường không được ghi vào báo cáo tài chính. Vì chi tiêu cho R&D được xem như một chi
tiêu hoạt động, do vậy có thể có những tác động tiềm năng lớn trên báo cáo tài chính của
nhiều công ty. Bài nghiên cứu này tiếp cận câu hỏi liệu rằng giá cổ phiếu có kết hợp thích

đáng với giá trị đầu tư cho R&D của công ty.
Bằng chứng của tác giả không chứng minh trực tiếp mối quan hệ giữa chi tiêu cho
R&D và lợi nhuận chứng khoán tương lai. Trong thời gian ba năm sau sự hình thành danh
mục đầu tư, cổ phiếu có thực hiện R&D có lợi nhuận trung bình là 19.65% mỗi năm, và cổ
phiếu không thực hiện R&D có lợi nhuận trung bình là 19.50%. Do đó nó không xuất hiện,
lịch sử , một cổ phiếu công nghệ trung bình được chào bán cao hơn so với một công ty xi
măng thông thường. Điều này cho thấy sự phù hợp với giả thuyết rằng giá chứng khoán có
mối liên quan chặt chẽ với niềm tin của nhà đầu tư về giá trị R&D.
Đối với các công ty có thực hiện R&D, bằng chứng về mối liên hệ giữa cường độ
R&D với doanh thu và lợi nhuận tương lai là không mạnh mẽ. Các bằng chứng rõ ràng về
mức R&D cao đóng một vai trò đặc biệt được tìm thấy ở những cổ phiếu có R&D cao so
với giá trị thị trường của nó. Lợi nhuận vượt mức của chúng trong ba năm tiếp theo là
6,12% mỗi năm. Cổ phiếu xếp hạng đánh giá cao bởi R&D so với giá thị trường của cổ
phần có xu hướng giảm trong quá khứ. Các công ty chi tiêu nhiều cho R&D mặc dù hiệu
quả hoạt động trong quá khứ thấp và áp lực cắt giảm chi phí trong trường hợp mà các nhà
quản lý tương đối lạc quan về triển vọng tương lai của công ty. Tuy nhiên, thị trường có xu
hướng giảm giá khi nhận được thông tin này và có vẻ chậm chạp trong việc thay đổi kỳ
vọng của mình. Những phát hiện này của tác giả không dễ thay đổi khi lợi nhuận được điều
chỉnh do kích thước và những tác động đảo chiều lợi nhuận. Hơn nữa, tác giả cũng có được
kết quả tương tự đối với việc chi tiêu cho một loại tài sản vô hình khác - quảng cáo.
Mặc dù các ghi chép lịch sử cho thấy ít có sự khác biệt giữa diễn biến giá cổ phiếu
trung bình của và cổ phiếu có thực hiện R&D và không thực hiện R&D, nhưng điều này
không kết thúc được vấn đề. Tác giả cung cấp bằng chứng cho thấy cường độ R&D liên
quan tới biến động lợi nhuận, sau khi kiểm soát quy mô doanh nghiệp, tuổi tác, và ảnh
hưởng của ngành. Ngay cả khi giá thị trường trung bình hợp nhất với lợi nhuận tương lai từ
R&D, sự thiếu hụt thông tin kế toán như một tài sản vô hình quan trọng phải chịu chi phí
thực đánh vào các nhà đầu tư thông qua biến động tăng.


CHƯƠNG 3:

PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Phương pháp nghiên cứu
Bài nghiên cứu được thực hiện theo phương pháp nghiên cứu thực nghiệm về tác
động của cung, cầu thông tin lên độ bất ổn giá và khối lượng giao dịch của các công ty trong
mẫu VN30 và HNX30 (dữ liệu phi tài chính), dựa trên mô hình nghiên cứu của nhóm tác
giả Nicolaos Vlastakis và Raphael N. Markellos đăng trên Journal of Banking & Finance
năm 2012. Đây là nghiên cứu thực nghiệm sử dụng dữ liệu 30 mã cổ phiếu giao dịch nhiều
nhất trên NYSE và NASDAQ nghiên cứuvề tác động của cung cầu thông tin đế độ biến
động giá chứng khoán. Nghiên cứu thực hiện phân tích hồi quy độ biến động lịch sử theo
phương OLS .

Trong đó: là hằng số, là đặc tính của cầu thông tin tại thời điểm t, là cầu thông tin
về thị trường tại thời điểm t, là cung thông tin về công ty tại thời điểm t, là tập hợp cung
thông tin tại thời điểm t, là tỷ suất sinh lợi thị trường tại thời điểm t và là sai số.


Sau đó hồi quy theo mô hình GARCH, điểm quan trọng của mô hình GARCH là ước
lượng các tham số theo phương pháp Maximum Likelihood. Mặc dù, nhiều lớp mô hình
GARCH có thể được sử dụng nhưng nhiều nghiên cứu chỉ ra rằng mô hình GARCH (1,1)
cung cấp ước lượng tốt nhất1

Trong đó: là tỷ suất sinh lợi cổ phiếu trong khoảng thời gian t, là hằng số, là chuỗi
sai số không tương quan của tỷ suất sinh lợi cổ phiếu với giá trị trung bình bằng không, thể
hiện bộ thông tin, là phương sai có điều kiện của , là đặc tính của cầu thông tin tại thời
điểm t, là cầu thông tin về thị trường tại thời điểm t, là cung thông tin về công ty tại thời
điểm t, là tập hợp cung thông tin tại thời điểm t, là tỷ suất sinh lợi thị trường tại thời điểm
t.
Tiếp tục hồi quy khối lượng giao dịch theo cung cầu thông tin

Trong đó: là khối lượng giao dịch, là giá trị tuyệt đối của logarity tỷ suất sinh lợi cổ
phiếu, là đặc tính của cầu thông tin tại thời điểm t, là cầu thông tin về thị trường tại thời
điểm t, là cung thông tin về công ty tại thời điểm t, là tập hợp cung thông tin tại thời điểm
t.
Sau đó, thêm vào biến giả biểu hiện trạng thái thị trường và hồi quy lại độ biến động
theo cung cầu thông tin.

Trong đó: là giá trị tuyệt đối của logarity tỷ suất sinh lợi cổ phiếu, là đặc tính của
cầu thông tin tại thời điểm t, là cầu thông tin thị trường tại thời điểm t, là cung thông tin về
công ty tại thời điểm t, là tập hợp cung thông tin tại thời điểm t.
1Kết quả được tìm thấy từ các nghiên cứu của Akgiray, 1989; Bollerslev và cộng sự, 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.


3.2 Dữ liệu
Để thực hiện nghiên cứu này, Tác giả sử dụng bộ dữ liệu theo tuần (cung, cầu thông
tin, khối lượng giao dịch và giá đóng cửa) của 30 mã cổ phiếu trong rổ VN30 kỳ 2/2014 ,
chỉ số thị trường VNINDEX so sánh với 30 mã cổ phiếu trong rổ HNX30 kỳ 05/05/2014 và
chỉ số thị trường HNXINDEX. Lựa chọn dữ liệu dựa vào VN30, HNX30 – bao gồm những
cổ phiếu đã được sàng lọc và cơ cấu theo thông lệ quốc tê (sàng lọc về giá trị vốn hóa, tỉ lệ
free-float, tính thanh khoản) thể hiện chính xác nhất mối quan hệ cung cầu trên thị trường.
Thời gian nghiên cứu là 06 năm (từ năm 2008 đến 31/07/2014). Tiêu chí lọc ra 30 cổ phiếu
để vào danh sách VN30 và HNX30như sau:
Các bước sàng lọc cổ phiếu vào danh mục VN30
Bước 1: Sàng lọc giá trị vốn hóa
Tập hợp các cổ phiếu thỏa mãn điều kiện tham gia tính toán chỉ số VN30 được sắp
xếp theo thứ tự giảm dần theo giá trị vốn hóa hàng ngày bình quân trong 6 tháng chưa điều
chỉnh free-float (tỷ lệ phần trăm giữa số lượng cổ phiếu đã niêm yết trên số lượng cổ phiếu

đang lưu hành).
50 cổ phiếu có giá trị vốn hóa cao nhất từ trên xuống sẽ được chọn.
Bước 2: Sàng lọc về free-float
Cổ phiếu có tỷ lệ free-float =< 5% sẽ bị loại
Bước 3: Sàng lọc về thanh khoản
Tập hợp các cổ phiếu còn lại sau bước 2 được xếp theo thứ tự giảm dần về giá trị
giao dịch hằng ngày bình quân trong 6 tháng.
Áp dụng quy tắc thêm vào và loại bỏ cổ phiếu trong rổ chỉ số nhằm đảm bảo chỉ số
mang tính ổn định nhưng vẫn đại diện cho toàn thị trường.
- Cổ phiếu đứng ở vị trí thứ 20 trở lên đương nhiên có mặt trong chỉ số
- Cổ phiếu đứng ở vị trí thứ 41 trở xuống đương nhiên bị loại khỏi chỉ số


- Cổ phiếu đứng vị trí 21 đến 40: ưu tiên cổ phiếu cũ (đã có trong chỉ số) sau đó mới
xét đến cổ phiếu mới sao cho số lượng cổ phiếu trong rổ bằng 30 cổ phiếu. Trường hợp có
nhiều hơn 1 cổ phiếu cũ có cùng vị trí, sẽ ưu tiên chọn cổ phiếu cũ có giá trị vốn hóa hàng
ngày bình quân cao hơn của kỳ xem xét.
Sau quá trình sàng lọc trên, top 40 cổ phiếu có giá trị giao dịch cao nhất theo thứ tự
xếp hạng từ trên xuống sẽ được chọn, trong đó Top 30 cổ phiếu sẽ được đưa vào danh mục
chính thức của rổ chỉ số

Các bước sàng lọc cổ phiếu vào danh mục HNX30
A. Tiêu chí và phương pháp lựa chọn cổ phiếu vào rổ chỉ số:
Các cổ phiếu được lựa chọn là cổ phiếu của các doanh nghiệp đang niêm yết tại HNX và
không thuộc một trong các diện sau đây:
Cổ phiếu thuộc diện bị kiểm soát, bị tạm ngừng giao dịch trong vòng 03 tháng tính
đến thời điểm xem xét;
Cổ phiếu có thời gian niêm yết và giao dịch trên HNX dưới 06 tháng, ngoại trừ
trường hợp đặc biệt được Hội đồng chỉ số thông qua.
B. Các bước lựa chọn cổ phiếu vào rổ chỉ số được tiến hành theo các bước sau:

Bước 1:
Tính giá trị giao dịch bình quân phiên trong 12 tháng gần nhất tính từ ngày cơ sở trở
về trước của các mã đáp ứng điều kiện trên, sau đó chọn 100 mã có giá trị giao dịch bình
quân phiên lớn nhất (Top100GTGD);
Bước 2:
Trong Top100GTGD chọn 70 mã có mức vốn hóa thị trường sau khi điều chỉnh khối
lượng tự do chuyển nhượng (free float adjusted market capitalization-FFMC) bình quân
trong 12 tháng gần nhất lớn nhất (Top70);
Bước 3:
Trong Top70, kiểm tra các tiêu chuẩn về thanh khoản:


+ Tính KLGD trung vị ngày trong 12 tháng gần nhất theo cách: tính tổng KLGD
từng phiên của mỗi tháng, sắp xếp theo thứ tự từ cao đến thấp, chọn KLGD ở giữa làm
KLGD trung vị (trong trường hợp có 2 ngày ở giữa thì sẽ lấy KLGD trung bình của 2 ngày
này làm KLGD trung vị);
+ Tính tỉ lệ KLGD trung vị của mỗi tháng so với khối lượng lưu hành của ngày cuối
tháng (r);
+ Tất cả mã chứng khoán có 6 trên 12 tháng có tỉ lệ r < 0,02% sẽ bị loại;
Bước 4:
Đối với các mã chứng khoán đạt yêu cầu thanh khoản tại Bước 4, xem xét loại bỏ các
chứng khoán đặc biệt theo yêu cầu của Hội đồng chỉ số (nếu có);
Bước 5:
Lựa chọn 30 mã chứng khoán có FFMC lớn nhất và đảm bảo số chứng khoán mỗi
ngành không vượt quá 20% số lượng chứng khoán trong rổ, các chứng khoán còn lại sẽ nằm
trong danh sách chờ.

Dữ liệu cầu thông tin: Tác giả lấy dữ liệu Cầu hàng tuần thông qua Google Insights
for Search. Dịch vụ Google Insights for Search cung cấp dữ liệu SVI (Search Volume
Index) cho bất kỳ từ khóa người sử dụng nhập vào theo thời gian và vị trí địa lý xác định

(link />Về từ khóa tìm kiếm, Da và các cộng sự (2011a) cho rằng sử dụng từ khóa là mã cổ
phiếu tốt hơn tên công ty theo ba lý do cơ bản. Thứ nhất, mọi người có thể tìm kiếm tên
công ty với những lý do khác không phải mục đích đầu tư. Thứ hai, có nhiều cách để đánh
vần tên công ty. Thứ ba, dịch vụ Google Trends sử dụng dữ liệu đầu vào dạng
alpharithmetic - dữ liệu dạng bảng chữ cái và số học, ví dụ trường hợp công ty 3M. Bài
nghiên cứu này, Tác giả sử dụng từ khóa chủ yếu là mã cổ phiếu, một vài trường hợp sử
dụng tên hoặc tên vắn tắt của công ty do có số lượng tìm kiếm lớn hơn. Tác giả cũng giả
định lượt tìm kiếm tên công ty, mã cổ phiếu không phải mục đích đầu tư chỉ mang tính ngẫu
nhiên, xu hướng, mùa vụ sẽ được khử trong quá trình xử lý dữ liệu.

MÃ
CK

TÊN CÔNG TY
VN30

TỪ KHÓA


SSI

CTCP CHỨNG KHOÁN SÀI GÒN

HAG CTCP HOÀNG ANH GIA LAI

SSI
HOÀNG ANH GIA
LAI

FLC

CTCP TẬP ĐOÀN FLC

FLC

ITA

CTCP ĐẦU TƯ CÔNG NGHIỆP TÂN TẠO

ITA

VNM CTCP SỮA VIỆT NAM
FPT

CÔNG TY CỔ PHẦN FPT

VIC

TẬP ĐOÀN VINGROUP-CTCP

MSN CTCP TẬP ĐOÀN MASAN
REE

CTCP CƠ ĐIỆN LẠNH

DPM TCT PHÂN BÓN VÀ HÓA CHẤT DẦU KHÍ-CTCP
HPG

CTCP TẬP ĐOÀN HÒA PHÁT

PVD

TỔNG CTCP KHOAN VÀ DỊCH VỤ KHOAN DẦU KHÍ

OGC CTCP TẬP ĐOÀN ĐẠI DƯƠNG
MBB NGÂN HÀNG TMCP QUÂN ĐỘI
HCM CTCP CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH
IJC

CTCP PHÁT TRIỂN HẠ TẦNG KỸ THUẬT

HSG

CTCP TẬP ĐOÀN HOA SEN

STB

NGÂN HÀNG TMCP SÀI GÒN THƯƠNG TÍN

VCB NGÂN HÀNG TMCP NGOẠI THƯƠNG VIỆT NAM
CSM CTCP CÔNG NGHIỆP CAO SU MIỀN NAM

VINAMILK
FPT
VINCOM
MASAN
REE
DPM
HÒA PHÁT
PVD

OGC
NGÂN HÀNG QUÂN
ĐỘI
CHỨNG KHOÁN
TP.HCM
IJC
HSG
SACOMBANK
VIETCOMBANK
CSM

CII

CTCP ĐẦU TƯ HẠ TẦNG KỸ THUẬT TP. HCM

CII

PVT

TỔNG CTCP VẬN TẢI DẦU KHÍ

PVT

PPC

CTCP NHIỆT ĐIỆN PHẢ LẠI

PPC

CTG

NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM

VIETINBANK


BVH TẬP ĐOÀN BẢO VIỆT

BẢO VIỆT

GMD CTCP ĐẠI LÝ LIÊN HIỆP VẬN CHUYỂN
EIB

NGÂN HÀNG TMCP XUẤT NHẬP KHẨU VIỆT NAM

GMD
EXIMBANK

DRC CTCP CAO SU ĐÀ NẴNG

DRC

KDC CÔNG TY CỔ PHẦN KINH ĐÔ

KDC

VSH

VSH

CTCP THỦY ĐIỆN VĨNH SƠN SÔNG HINH

VNI
NDE CHỈ SỐ VNINDEX
X

VNINDEX
HNX30

ACB NHTMCP Á CHÂU

ACB

SHB

NHTMCP SÀI GÒN – HÀ NỘI

SHB

PVS

TCT CP KỸ THUẬT DẦU KHÍ VIỆT NAM

PVS

KLS

CTCP CHỨNG KHOÁN KIM LONG

KLS

VCG TCT XNK VÀ XÂY DỰNG VIỆT NAM
LAS

CTCP SUPE PHOTPHAT LÂM THAO

SCR

CTCP ĐỊA ỐC SÀI GÒN THƯƠNG TÍN

NTP

CTCP NHỰA THIẾU NIÊN TIỀN PHONG

DBC CTCP TẬP ĐOÀN DABACO VIỆT NAM
VND CTCP CHỨNG KHOÁN VNDIRECT

VCG
PHOTPHAT LAM
THAO
SACOMREAL
NHUA TIEN PHONG
DABACO VIET NAM
VNDIRECT

PGS

CTCP KINH DOANH KHÍ HÓA LỎNG MIỀN NAM

PGS

SHS

CTCP CHỨNG KHOÁN SÀI GÒN – HÀ NỘI

SHS

BVS

CTCP CHỨNG KHOÁN BẢO VIỆT

BVS

PVC

TCT DUNG DỊCH KHOAN VÀ HÓA PHẨM DẦU KHÍ

PVC

HUT CTCP TASCO

TASCO


AAA CTCP NHỰA VÀ MÔI TRƯỜNG XANH AN PHÁT

NHUA AN PHAT

PLC

TCT HÓA DẦU PETROLIMEX - CTCP

PLC

VGS

CTCP ỐNG THÉP VIỆT ĐỨC

VGS

PVG

CTCP KINH DOANH KHI HÓA LỎNG MIỀN BẮC

PVG

SDT

CTCP SÔNG ĐÀ 10

BCC

CTCP XI MĂNG BỈM SƠN

SD9

CTCP SÔNG ĐÀ 9

SONG DA 9

SD6

CTCP SÔNG ĐÀ 6

SONG DA 6

DCS

CTCP TẬP ĐOÀN ĐẠI CHÂU

DCS

EID

CTCP ĐẦU TƯ VÀ PHÁT TRIỂN GIÁO DỤC HÀ NỘI

EID

PVX

TCT XÂY LẮP DẦU KHÍ VIỆT NAM

PVX

KLF

CTCP LIÊN DOANH ĐẦU TƯ QUỐC TẾ KLF

KLF

SONG DA 10
XI MANG BIM SON

HMH CTCP HẢI MINH

HMH

DXP

CTCP CẢNG ĐOẠN XÁ

DXP

TCT

CTCP CÁP TREO NÚI BÀ TÂY NINH

TCT

HNX
IND CHỈ SỐ HNX INDEX
EX

HNXINDEX

Bảng 1: Danh sách công ty trong mẫu và từ khóa tìm kiếm

Dữ liệu cung thông tin: Tác giả đếm số thông tin công bố và tin tức có liên đến cổ
phiếu theo tuần tổng hợp từ các trang web về thông tin tài chính phổ biến và tin cậy như
cafef.vn, vietstock.vn và cophieu68.vn. Tác giả chọn dữ liệu ở trang có kết quả thống kê

nhiều nhất trong mỗi tuần. Đối với cung thông tin toàn thị trường, Tác giả thực hiện tổng
hợp toàn bộ các tin tức và thông tin công bố của toàn bộ 302 cổ phiếu niêm yết trên sàn giao
dịch chứng khoán thành phố Hồ Chí Minh.