Nghiên cứu mối quan hệ giữa rủi ro và tỷ suất sinh lời bằng các hiệp moment bậc cao tại thị trường chứng khoán việt nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH

HOÀNG TÙNG

NGHIÊN CỨU MỐI QUAN HỆ GIỮA RỦI RO VÀ TỶ SUẤT
SINH LỜI BẰNG CÁC HIỆP MOMENT BẬC CAO
TẠI THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

TP Hồ Chí Minh - 2016


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH

HOÀNG TÙNG

NGHIÊN CỨU MỐI QUAN HỆ GIỮA RỦI RO VÀ TỶ SUẤT
SINH LỜI BẰNG CÁC HIỆP MOMENT BẬC CAO
TẠI THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM

Chuyên ngành: Tài chính – Ngân hàng
Mã số: 60340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HOC
PGS.TS. NGUYỄN KHẮC QUỐC BẢO

TP Hồ Chí Minh - 2016


LỜI CAM ĐOAN
Tôi xin cam đoan rằng luận văn “Nghiên cứu mối quan hệ giữa rủi ro và tỷ suất sinh lợi
bằng các Hiệp Moment bậc cao tại Thị trường chứng khoán Việt Nam” là công trình
nghiên cứu của riêng rôi và có sự hỗ trợ của Giáo viên hướng dẫn là PGS. TS. Nguyễn
Khắc Quốc Bảo. Các thông tin, dữ liệu sử dụng trong luận văn là trung thực; các nội
dung trích dẫn đều được ghi rõ nguồn gốc, các kết quả nghiên cứu được trình bày trong
luận văn này chưa được công bố tại bất kỳ công trình nghiên cứu nào khác.
Tp Hồ Chí Minh, Ngày 15 tháng 07 năm 2016
Người thực hiện

Hoàng Tùng


MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
DANH MỤC TỪ VIẾT TẮT
DANH MỤC BẢNG
TÓM TẮT ..............................................................................................................................................1
PHẦN 1: GIỚI THIỆU ......................................................................................................................2
1. Lý do chọn đề tài .................................................................................................... 2
2. Mục tiêu nghiên cứu: ............................................................................................. 4
3. Đối tượng và phạm vi nghiên cứu: ........................................................................ 5
4. Phương pháp nghiên cứu ....................................................................................... 5
5. Ý nghĩa thực tiễn của đề tài: .................................................................................. 6
6. Cấu trúc của đề tài .................................................................................................. 7
PHẦN 2: CƠ SỞ LÝ THUYẾT VÀ CÁC BẰNG CHỨNG THỰC NGHIỆM .................8

2.1

Cơ sở lý thuyết .................................................................................................... 8

2.2

Các bằng chứng thực nghiệm ........................................................................... 11

PHẦN 3: PHƯƠNG PHÁP NGHIÊN CỨU ..............................................................................25
3.1

Mô hình nghiên cứu:......................................................................................... 25

3.2

Dữ liệu nghiên cứu: .......................................................................................... 27

3.2.1

Các chỉ số đại diện rủi ro hiệp moment bậc cao ........................................ 27

3.2.1.1 Hệ số bất đối xứng (Coskewness): ............................................................ 27
3.2.1.2 Hệ số nhọn (kurtosis) ................................................................................. 28
3.2.2
3.3

Dữ liệu nghiên cứu và hình thành danh mục ............................................. 29

Phương pháp nghiên cứu: ................................................................................. 31

PHẦN 4: KẾT QUẢ NGHIÊN CỨU...........................................................................................33
4.1

Phân tích thống kê mô tả các biến trong mô hình: ........................................... 35


4.2 Kiểm định sự tương quan giữa các biến trong mô hình và hiện tượng đa cộng
tuyến .......................................................................................................................... 37
4.2.1

Ma trận tương quan đơn tuyến tính giữa các cặp biến: ............................. 37

4.2.2

Kiểm định đa cộng tuyến trong mô hình ................................................... 39

4.3

Kiểm định lựa chọn mô hình Pooled OLS và mô hình dữ liệu bảng FEM: ..... 39

4.4

Kiểm định lựa chọn mô hình Pooled OLS và mô hình dữ liệu bảng REM ...... 40

4.5

Kiểm định lựa chọn mô hình FEM và mô hình REM ...................................... 41

4.6

Kiểm định hiện tượng phương sai thay đổi trên dữ liệu bảng .......................... 42

4.7 Kiểm định hiện tượng tư tương quan phần dư trên dữ liệu bảng – Wooldridge
(2002) và Drukker (2003) ........................................................................................... 43
4.8

Phân tích kết quả hồi quy: ................................................................................ 44

4.9 Hồi quy đối chiếu bằng mô hình hiệu ứng tác động cố định với phương pháp
mở rộng Driscoll và Kraay Standard Errors: .............................................................. 52
PHẦN 5: KẾT LUẬN VÀ HÀM Ý..............................................................................................58
TÀI LIỆU THAM KHẢO
PHỤ LỤC


DANH MỤC TỪ VIẾT TẮT
BE/ME

Tỷ lệ giá trị sổ sách trên giá trị thị trường vốn cổ phần

CKT

Hệ số cokrutosis (độ nhọn hệ thống)

CSK

Hệ số coskewness (độ chệch hệ thống)

FEM

Mô hình hồi quy hiệu ứng tác động cố định

HML

Phần bù tỷ suất sinh lợi của nhân tố BE/ME

ME

Quy mô

SMB

Phần bù tỷ suất sinh lợi của nhân tố Quy mô

REM

Mô hình hồi quy hiệu ứng tác động ngẫu nhiên

Rm

Tỷ suất sinh lợi thị trường

Vn index

Chỉ số thị trường chứng khoán Việt Nam


DANH MỤC BẢNG
Bảng 4.1: Thống kê mô tả giữa các biến trong mô hình ............................................. 35
Bảng 4.2.1: Ma trận trương quan giữa các cặp biến trong mô hình ........................... 36

Bảng 4.2.2: Kết quả kiểm tra đa cộng tuyến với nhân tử phóng đại phương sai ........ 38
Bảng 4.3: Kết quả kiểm định lựa chọn Pooled và FEM ............................................. 39
Bảng 4.4: Kết quả kiểm định lựa chọn Pooled và REM ............................................. 39
Bảng 4.5: Kết quả kiểm định lựa chọn FEM và REM ................................................ 40
Bảng 4.6: Kết quả kiểm tra phương sai thay đổi của các mô hình ............................. 41
Bảng 4.7: Kết quả kiểm định tự tương quan trong các mô hình ................................. 42
Bảng 4.8.1: Kết quả hồi quy mô hình (1) bằng phương pháp tác động cố định FEM 43
Bảng 4.8.2: Kết quả hồi quy mô hình (1) bằng phương pháp hiệu ứng tác động ngẫu
nhiên REM .................................................................................................................. 44
Bảng 4.8.3: Kết quả hồi quy mô hình (2) và (3) bằng phương pháp tác động cố định
FEM ............................................................................................................................. 46
Bảng 4.8.4: Kết quả hồi quy mô hình (2) và (3) bằng hiệu ứng tác động ngẫu nhiên
REM ............................................................................................................................ 47
Bảng 4.8.5: Kết quả hồi quy mô hình (4) bằng phương pháp tác động cố định FEM 48
Bảng 4.8.6: Kết quả hồi quy mô hình (4) bằng hiệu ứng tác động ngẫu nhiên REM. 50
Bảng 4.9.1: Kết quả hồi quy mô hình (1) bằng hiệu ứng tác động cố định FEM với
phương pháp mở rộng Driscoll và Kraay Standard Erros ........................................... 51
Bảng 4.9.2: Kết quả hồi quy mô hình (2), (3) bằng hiệu ứng tác động cố định FEM với
phương pháp mở rộng Driscoll và Kraay Standard Errors ......................................... 53
Bảng 4.9.3: Kết quả hồi quy mô hình (4) bằng hiệu ứng tác động cố định FEM với
phương pháp mở rộng Driscoll và Kraay Standard Errors ......................................... 54


1

TÓM TẮT
Bài nghiên cứu xem xét vai trò của các nhân tố rủi ro hiệp moment bậc cao:
coskewness và cokurtosis trong việc giải thích tỷ suất sinh lời của cổ phiếu tại thị
trường Việt Nam. Sử dụng các thước đo moment bậc cao của Harvey và Siddique
(2000) và Kostakis và cộng sự (2012), bài nghiên cứu kiểm tra mức ý nghĩa của các hệ

số này trong việc giải thích tỷ suất sinh lời của cổ phiếu trên thị trường Việt Nam bằng
mô hình hồi quy dữ liệu bảng với hiệu ứng tác động cố định - Fixed effect, và hiệu ứng
tác động ngẫu nhiên - Random effect, đồng thời mở rộng mô hình Fixed effect với hồi
quy đối chiếu Driscoll và Kraay Standard Errors, được phát triển bởi Daniel Hoechel
(2007) để ước lượng khi mô hình xuất hiện hiện tượng phương sai thay đổi, tự tương
quan và hiện tượng nội sinh nhằm tăng tính vững và hiệu quả cho kết quả ước lượng.
Kết quả nghiên cứu cho thấy hệ số coskewness có ý nghĩa thống kê ở mức 1% và tác
động cùng chiều lên tỷ suất sinh lợi của cổ phiếu. Ngoài ra, không tìm thấy sự tác động
có ý nghĩa thống kê của hệ số cokurtosis và yếu tố phi tuyến của các rủi ro hiệp
moment bậc cao.


2

PHẦN 1: GIỚI THIỆU
1. Lý do chọn đề tài
Các lý thuyết định giá trước đây bắt đầu với mô hình định giá tài sản vốn CAPM
của Sharpe (1964), Litner (1965) và Mossin (1966), thừa nhận một thị trường tuyến
tính cho bất kỳ sự thay đổi chéo của lợi nhuận tài sản. Để kết luận về mô hình tuyến
tính một nhân tố, CAPM áp đặt những giả định mạnh về phân phối xác suất của lợi
nhuận cổ phiếu hoặc cấu trúc ưa thích rủi ro của nhà đầu tư (Samuelson 1970). Những
giả định này hàm ý phân phối xác suất của lợi nhuận có phân phối chuẩn – phân phối
có hình quả chuông cân hoặc hàm ý rằng các nhà đầu tư e ngại rủi ro chỉ tập trung vào
moment bậc hai của phân phối xác suất của lợi nhuận (Các nhà đầu tư khi lựa chọn
danh mục chỉ cần tập trung đến hai yếu tố đó là trung bình và phương sai của phân
phối xác suất).
Bằng chứng về việc phân phối xác suất của lợi nhuận không tuân theo phân phối
chuẩn và các rủi ro phức tạp khác mà nhà đầu tư phải đối mặt đã thách thức những giả
định của mô hình định giá một nhân tố (Badrinath và Chatterjee, 1988; Kahneman và
Tversky, 1979; Kimball, 1990; 1993; Peiro, 1999). Một kiểm định về sở thích của các

nhà đầu tư trong tình huống đối diện với rủi ro cho thấy kinh nghiệm trải qua việc thua
lỗ và số lỗ tối đa có thể xảy ra tác động đến lựa chọn của những nhà đầu tư. Bất cân
xứng trong việc e ngại rủi ro được cho là ảnh hưởng bởi các moment của phân phối xác
suất của lợi nhuận (Arditti, 1967, 1969; Benishay, 1992; Jean, 1971; Levy, 1969;
Rubinstein, 1973; Scott và Horvath, 1980). Kết quả là, lý thuyết định giá dần tập trung
vào ý nghĩa của các moment bậc cao và bổ sung các nhân tố này vào mô hình định giá
tài sản như nhân tố skewness (moment bậc ba của phân phối lợi nhuận nắm bắt xác
suất xảy ra tổn thất tối đa khi thị trường đi xuống (downside risk)) và nhân tố Kurtosis
(moment bậc 4 của phân phối xác suất lợi nhuận nắm bắt xác suất xảy ra rủi ro vượt
mức (extreme risk). Đặc biệt, tham số coskewness và cokurtosis (đo lường sự đóng góp


3

của skewness và kurtosis của một tài sản đến danh mục tài sản) được các quỹ sử dụng
để ứng xử trong các trường hợp thay đổi của thị trường.
Các lý thuyết trước đây ghi nhận nhiều thành công trong việc kết luận sự ảnh
hưởng của các nhân tố moment bậc cao trong các mô hình định giá. Phần lớn trong số
các nghiên cứu này cho thấy một tác động thông qua một mô hình phi tuyến đơn giản
(đa thức) giữa lợi nhuận của mỗi tài sản và chỉ số thị trường. Một phương pháp tương
đồng được sử dụng đó là bình phương và lập phương chỉ số thị trường như là một đại
diện cho biến độc lập skewness và kurtosis. Các bài nghiên cứu sử dụng phương pháp
này trong các ngữ cảnh như trong điều kiện các quỹ phòng hộ (Chen và Passow, 2003;
Spurgin, 2001), trong thị trường quốc tế (Doan và cộng sự ở Australia; Kostakis và
cộng sự (2012) ở UK) hoặc trong các mô hình đặc trưng bao gồm sự thay đổi của beta
theo thời gian (Poti và Wang, 2010). Kat và Miffre (2006) đặt câu hỏi đối với những
nhân tố có thể gây lẫn lộn với phương pháp định thời điểm thị trường của Treynor và
Mazuy (1966). Bên cạnh đó, Ranado và Favre (2005) và Ding và Shawky (2007) cũng
trình bày một mô hình moment bậc bốn bằng cách ước lượng lợi nhuận của các quỹ
phòng hộ dựa vào variance, skewness và kurtosis của thị trường. Hệ số ước lượng

trong cả hai mô hình cho thấy sự tương quan giữa đo lường thống kê của các hệ số
covariance, coskewness và cokurtosis mỗi tài sản với lợi nhuận của thị trường. Cuối
cùng, sử dụng phương pháp của Bakshi và cộng sự (2003), Conrad và cộng sự (2013)
và Hubner và cộng sự (2013) trích dẫn những nhân tố moment bậc cao của phân phối
xác suất lợi nhuận các tài sản rủi ro vào trong giá quyền chọn.
Đối với thị trường chứng khoán Việt Nam, chưa có nhiều nghiên cứu kiểm định
vai trò của Moment bậc cao đối với tỷ suất sinh lời của cổ phiếu. Bài nghiên cứu
“Quan hệ giữa rủi ro hiệp moment bậc cao và lợi nhuận của cổ phiếu: nghiên cứu thực
nghiệm trên thị trường Việt Nam” của Võ Xuân Vinh và Nguyễn Quốc Chí (2014)
nghiên cứu vai trò của các moment bậc cao bao gồm Covariance, Coskewness và
Cokurtosis trong việc giải thích lợi nhuận của danh mục kỳ vọng. Kết quả nghiên cứu


4

cho thấy rằng phần bù rủi ro yếu tố cokurtosis có ý nghĩa thống kê ở mức 10% và tác
động cùng chiều đến lợi nhuận kỳ vọng của danh mục cổ phiếu.
Vai trò của các nhân tố rủi ro moment bậc cao đối với tỷ suất sinh lợi của cổ
phiếu đã được các nhà nghiên cứu trên thế giới quan tâm lưu ý từ lâu nay. Tuy nhiên,
những kết quả kiểm định thực nghiệm trên các thị trường vẫn chưa đồng nhất với nhau.
Đồng thời, những nghiên cứu này đa phần thực hiện trên dữ liệu của các thị trường
phát triển, chưa có nhiều nghiên cứu đi vào phân tích trên những thị trường mới nổi.
Tại Việt Nam, một thị trường mới nổi với hai sàn giao dịch chứng khoán được thành
lập trong khoảng thời gian chưa lâu và còn mang tính đầu cơ cao. Do đó, việc tìm hiểu
vai trò của nhân tố hiệp moment bậc cao đối với tỷ suất sinh lợi của cổ phiếu sẽ giúp
nhà đầu tư hiểu rõ hơn các nhân tố rủi ro tác động đến lợi nhuận kỳ vọng của cổ phiếu
bên cạnh các nhân tố đã được tìm ra như rủi ro thị trường (beta), quy mô, giá trị sổ
sách/ giá trị thị trường.
2. Mục tiêu nghiên cứu:
Bài nghiên cứu kiểm tra vai trò của nhân tố Moment bậc cao trong việc giải thích

tỷ suất sinh lợi kỳ vọng của cổ phiếu tại thị trường Việt Nam bên cạnh các nhân tố rủi
ro khác đã được chứng minh (nhân tố rủi ro thị trường, rủi ro liên quan đến nhân tố quy
mô và nhân tố giá trị sổ sách/ giá trị thị trường). Đồng thời, bài nghiên cứu cũng kiểm
định tác động của yếu tố phi tuyến của các rủi ro moment bậc cao đến tỷ suất sinh lợi
kỳ vọng. Các câu hỏi nghiên cứu cụ thể:
-

Các nhân tố rủi ro thị trường, quy mô, giá trị sổ sách/ giá thị trường có tác
động như thế nào đến tỷ suất sinh lợi của cổ phiếu trên thị trường Việt Nam.

-

Nhân tố coskewness và cokurtosis có tác động như thế nào đến tỷ suất sinh lợi
của các cổ phiếu trên thị trường Việt Nam? Đồng thời nhân tố coskewness và
cokurtosis có bổ sung cho khả năng giải thích tỷ suất sinh lợi của cổ phiếu mà
các nhân tố khác như quy mô, tỷ lệ giá trị sổ sách trên giá thị trường chưa giải
thích được hay không?


5

-

Các nhân tố rủi ro phi tuyến hiệp moment bậc cao có tác động đến tỷ suất sinh
lợi của cổ phiếu hay không?

3. Đối tượng và phạm vi nghiên cứu:
Đối tượng nghiên cứu trong bài là vai trò của hệ số độ chệch hệ thống
(coskewness) và độ nhọn hệ thống (cokurtosis) đối với tỷ suất sinh lợi kỳ vọng của cổ
phiếu tại thị trường Việt Nam bên cạnh các nhân tố rủi ro khác đã được chứng minh.

Mẫu nghiên cứu bao gồm các công ty phi tài chính niêm yết trên sàn HOSE trong thời
gian từ tháng 6/2009 đến tháng 6/2014, không bao gồm các công ty hủy niêm yết, các
công ty có dữ liệu không liên tục hoặc độ dài dữ liệu không đủ theo yêu cầu.
4. Phương pháp nghiên cứu
Bài nghiên cứu sử dụng dữ liệu thu thập được từ tháng 06/2009 đến tháng
06/2014 để tạo ra bộ dữ liệu bảng (Panel data). Dữ liệu được thu thập từ báo cáo tài
chính của các doanh nghiệp công bố trên sàn giao dịch chứng khoán Tp HCM HOSE
vào thời điểm ngày 31/12. Bài nghiên cứu sử dụng phương pháp hồi quy dữ liệu bảng
với hai hiệu ứng Fixed effect và Random effect để kiểm tra mức ý nghĩa của hai
moment bậc cao trong phân phối xác suất sinh lợi của cổ phiếu: hệ số coskewness và
cokurtosis. Đồng thời, bài nghiên cứu sử dụng phương pháp hồi quy Driscoll và Kraay
Standard Errors. Phương pháp này sẽ khắc phục những nhược điểm của các mô hình
dữ liệu bảng như Pooled, FEM và REM bao gồm các vấn đề phương sai thay đổi, tự
tương quan và vấn đề nội sinh trong mô hình.
Bài nghiên cứu mở rộng mô hình CAPM với 2 moment truyền thống bằng cách
kết hợp các hiệp moment bậc 3 của phân phối xác suất lợi nhuận (coskewness) và hiệp
moment bậc 4 của phân phối xác suất lợi nhuận (cokurtosis) để tạo thành mô hình 4Moment. Nghiên cưú trước đây của Fama French (1993) đã chứng minh các nhân tố
quy mô (ME) và giá trị sổ sách trên giá thị trường (BE/ME) có vai trò trong việc giải
thích tỷ suất sinh lới của cổ phiếu. Kết quả này dẫn đến vấn đề có liên quan rằng liệu
rủi ro liên quan đến nhân tố quy mô và nhân tố tỷ lệ giá trị sổ sách trên giá thị trường


6

có bao gồm nhân tố Moment bậc cao hay không. Do vậy, bài nghiên cứu xây dựng mô
hình kiểm định bằng cách kiểm định mô hình Fama French 3 nhân tố cũng như đưa
thêm nhân tố SMB và HML vào trong mô hình 4 Moment.
Trong bài nghiên cứu này, Để tính toán rủi ro thị trường, tác giả sử dụng phương
pháp tương đồng phương pháp xây dựng danh mục của Fama và French (1993). Một
cách khác, phân tích của tác giả thành lập trong ngữ cảnh các nhà đầu tư đa dạng (với

nhiều rủi ro khác nhau). Do đó, bởi vì sự đa dạng hóa làm xói mòn tính riêng biệt của
skewness, nghiên cứu tập trung vào đóng góp của một tài sản đến hệ số skewness của
một danh mục được đa dạng, hay còn được gọi là hệ số coskewness và cokurtosis. Tác
giả sử dụng các nghiên cứu của Kostakis và cộng sự (2012) và Harvey và Siddique
(2000) để ước lượng các comoment bậc cao và cân nhắc đến hệ số coskewness và
cokurtosis của một tài sản với danh mục thị trường như là một nhân tố định giá. Tương
tự, tác giả xem xét hệ số cokurtosis của một tài sản với danh mục thị trường như là một
nguồn rủi ro thứ hai. Những tài sản đóng góp làm giảm (hoặc tăng) skewness danh mục
(hoặc kurtosis danh mục) được yêu cầu một mức tỷ suất sinh lợi cao hơn để bù đắp cho
những rủi ro gặp phải và ngược lại. Kết hợp các nhân tố rủi ro moment bậc cao với các
nhân tố truyền thống như quy mô, giá trị là sự bổ sung cho mô hình định giá.
5. Ý nghĩa thực tiễn của đề tài:
Các bằng chứng thực nghiệm của nhiều tác giả trên thế giới đã cho thấy sự không
hiệu quả của mô hình định giá tài sản vốn chỉ bao gồm hai moment đầu tiên và đề xuất
nâng cao hiệu quả của mô hình định giá tài sản bằng cách bổ sung các nhân tố hiệp
moment bậc cao bao gồm coskewness và cokurtosis để tạo thành mô hình định giá 4Moment. Tuy nhiên, hiện nay trên thị trường Việt Nam, các nhân tố moment bậc cao
vẫn chưa được các nhà đầu tư nhìn nhận và có rất ít các nghiên cứu bổ sung các nhân
tố này vào trong mô hình định giá. Bên cạnh đó, việc thị trường Việt Nam là một thị
trường mới nổi, có tính đầu cơ cao và chịu tác động của các hành vi bầy đàn. Do vậy,
việc xem xét các nhân tố này có được định giá trên thị trường Việt Nam hay không và


7

vai trò của các nhân tố đối với tỷ suất sinh lời kỳ vọng của cổ phiếu bên cạnh các nhân
tố khác đã được chứng minh sẽ giúp cho các nhà đầu tư có một cái nhìn tổng quát hơn
trong việc lựa chọn danh mục cũng như đánh giá các rủi ro được đầy đủ hơn khi thực
hiện đầu tư.
6. Cấu trúc của đề tài
Bài nghiên cứu được sắp xếp như sau:

Phần 2 là tổng quan lý thuyết của nghiên cứu.
Trong chương này, tác giả sẽ tổng hợp cơ sở lý thuyết, những nghiên cứu thực
nghiệm trên thế giới về mối quan hệ giữa các nhân tố hiệp moment bậc cao và tỷ suất
sinh lời của cổ phiếu.
Phần 3 tác giả trình bày cách xây dựng các nhân tố rủi ro, mô hình nghiên cứu và
phương pháp nghiên cứu của đề tài.
Nội dung chính của chương này tác giả sẽ trình bày phương pháp nghiên cứu,
giải thích các biến độc lập và biến phụ thuộc trong mô hình, mô tả các đặc điểm của
mô hình thực nghiệm, các giả định đặt ra để kiểm địnhvà nguồn dữ liệu để thực hiện
nghiên cứu.
Phần 4 Thảo luận và kết quả nghiên cứu
Trong chương này, tác giả trình bày kết quả nghiên cứu thực nghiệm về các mô
hình định giá được bổ sung thêm các nhân tố comoment bậc cao đã được đề cập ở
chương 3
Phần 5: Kết luận
Ở chương này, tác giả tổng kết lại các vấn đề nghiên cứu, kết luận lại kết quả
thực nghiệm từ mô hình nghiên cứu, nêu lên những hạn chế của đề tài và hướng mở
rộng đề tài.


8

PHẦN 2: CƠ SỞ LÝ THUYẾT VÀ CÁC BẰNG CHỨNG THỰC NGHIỆM
2.1 Cơ sở lý thuyết
Các mô hình định giá tài sản của Sharpe (1964), Lintner (1965), Black (1972) từ
lâu đã định hình cách thức nghiên cứu học thuật và cho các nhà nghiên cứu có cái nhìn
về lợi nhuận và rủi ro. Các dự đoán chính của mô hình này là thu nhập của danh mục
đầu tư thị trường phụ thuộc vào hệ số trung bình và phương sai trong mô hình hiệu quả
Markowitz (1959). Sự hiệu quả của danh mục thị trường ám chỉ rằng (a) lợi nhuận kỳ
vọng từ chứng khoán là một hàm tuyến tính dương với β thị trường và (b) thị trường

đáp ứng đủ yêu cầu để mô tả dữ liệu chéo của lợi nhuận kỳ vọng. Ý tưởng chung của
mô hình CAPM đó là định giá tài sản dựa trên sự cân bằng của thị trường. Mô hình
định giá tài sản vốn của CAPM cổ điển được giới thiệu bởi Sharpe (1964), Lintner
(1965) và Mossin (1966), mô hình này được đề xuất rằng cấu trúc của trạng thái cân
bằng thị trường vốn được cho là có liên quan đến lợi nhuận của một tài sản bằng một
nhân tố đó là rủi ro thị trường, hay còn được gọi là beta thị trường. Do đó, mô hình này
đề xuất sử dụng hai moment đầu tiên đó là trung bình (mean) và phương sai (variance)
để ước lượng lợi nhuận của tài sản. Với hai moment đầu tiên, mô hình CAPM đưa ra
các giả định chặt chẽ như sau:
Giả định 1: Những nhà đầu tư là những người đầu tư hợp lý và e ngại rủi ro. Các
nhà đầu tư thực hiện tối đa hóa lợi nhuận của họ.
Giả định 2: Nhà đầu tư có thể lựa chọn giữa danh mục cơ bản theo lợi nhuận
mong đợi và phương sai. Theo CAPM, chỉ duy nhất lợi nhuận và phương sai được sử
dụng để lựa chọn danh mục. CAPM giả định rằng lợi nhuận của tài sản theo phân phối
chuẩn. Theo một phân phối chuẩn thì nhà đầu tư chỉ cần quan tâm đến hai yếu tố lợi
nhuận kỳ vọng và phương sai. Theo CAPM, phương sai càng cao sẽ dẫn đến rủi ro cao.
Một giá trị kỳ vọng cao hơn sẽ được ưa thích hơn bởi vì các nhà đầu tư muốn tối đa
hóa lợi nhuận dưới sự điều chỉnh của rủi ro.


9

Giả định 3: Tất cả các nhà đầu tư có cùng một mức kỳ vọng và niềm tin vào
triển vọng của thị trường.
Giả định 4: Một giả định khác của CAPM đó là trong thị trường vốn hoàn hảo,
không có chi phí giao dịch khi mua và bán tài sản. Không bị đánh thuế trên thu nhập,
không giới hạn bán khống và nhà đầu tư có thể đi vay và cho vay tại mức lãi suất phi
rủi ro. Những nhà đầu tư là những người chấp nhận giá, họ không thể tác động đến thị
trường.
Do đó, khi cả bốn giả định được bảo đảm, giá trị của CAPM có thể được khẳng

định. Điều này cho thấy rằng, khi phân bổ của lợi nhuận không tuân theo phân phối
chuẩn, khi các nhà đầu tư nắm giữ cổ phiếu theo một hàm hữu dụng bậc hai, thì mô
hình CAPM có thể gặp thách thức nghiêm trọng.
Mô hình tổng quát CAPM được biểu diễn:
E(Ri) – Rf= βi [E(Rm)-Rf] với βi=

𝐶𝑜𝑣 (𝑅𝑖,𝑅𝑚)
𝑉𝑎𝑟 (𝑅𝑚)

Trong đó: Ri là lợi nhuận của cổ phiếu i, Rf là lãi suất phi rủi ro, Rm là lợi nhuận
của danh mục thị trường, Cov(Ri,Rm)=E {[Ri - E(Ri )] [ Rm - E(Rm) ]} là hiệp phương
sai giữa cổ phiếu i và danh mục thị trường, và Var (Rm)= E{[ Rm – E(Rm)]2} là phương
sai của danh mục thị trường.
Tuy nhiên, những nghiên cứu thực nghiệm gần đây cho thấy những giả định của
mô hình CAPM bị thách thức nghiêm trọng. Roll (1977) đánh giá thấp hiệu quả của
danh mục đầu tư được lựa chọn dựa vào giá trị trung bình (mean) và phương sai
(variance). Giả định II của CAPM bị từ chối bởi các quỹ đầu tư khi lợi nhuận của tài
sản không tuân theo phân phối chuẩn mà là một phân phối bị chệch và có phần đuôi
dày. Ngoài ra, lợi nhuận vượt mức xảy ra thường xuyên đến mức không thể phù hợp
với phân phối chuẩn. Việc giả định rằng các nhà đầu tư có cùng niềm tin vào thị trường
là việc hoàn toàn không chuẩn xác với thực tế. Do đó, sẽ hợp lý hơn khi giả định rằng
việc e ngại rủi ro của các nhà đầu tư sẽ giảm dần khi nguồn vốn của họ tăng lên.
Những bất cập nêu trên dẫn đến việc từ chối mô hình CAPM truyền thống. Cho đến


10

nay, có nhiều phương pháp mở rộng mô hình này như mô hình đa nhân tố CAPM và
mô hình các Moment bậc cao CAPM đã cung cấp những lý thuyết mới vào việc lựa
chọn danh mục đầu tư.

Để khắc phục những hạn chế của mô hình CAPM một nhân tố, Fama và French
(1993) bổ sung hai nhân tố quy mô (ME – market equity) và BE/ME (book to market
quity) cùng với nhân tố thị trường (market β) vào mô hình nghiên cứu tác động đến tỷ
suất sinh lợi bình quân của cổ phiếu. Tác giả đã bổ sung thêm hai nhân tố này vào mô
hình CAPM như sau:
Rit – Rft = αi + βi (Rmt – Rft) + si SMBt + hi HMLt + ɛit
Rit: tỷ suất sinh lời của tài sản i
Rft: lãi suất phi rủi ro
Rmt là lợi nhuận của thị trường
ɛit : là sai số i của phương trình hồi quy
αi, βi, si và hi là các tham số hồi quy
Nhân tố SMB mô phỏng nhân tố rủi ro của tỷ suất sinh lợi liên quan đến quy mô.
SMB là sự khác biệt hàng tháng giữa bình quân tỷ suất sinh lợi của 3 danh mục trong
nhóm quy mô nhỏ (S/L, S/M, S/H) và tỷ suất sinh lợi bình quân của 3 danh mục trong
nhóm quy mô lớn (B/L, B/M, B/H).
Nhân tố HML để mô phỏng nhân tố rủi ro của tỷ suất sinh lợi liên quan đến tỷ lệ
BE/ME. HML là sự khác biệt hàng tháng giữa bình quân tỷ suất sinh lợi của 2 danh
mục trong nhóm tỷ lệ cao (S/H và B/H) và tỷ suất sinh lời bình quân của 2 danh mục
trong nhóm tỷ lệ thấp (S/L và B/L).
Tỷ suất sinh lời của cổ phiếu được xây dựng dựa vào tỷ suất sinh lợi vượt trội của
25 danh mục đầu tư hình thành dựa trên ME và BE/ME. Mỗi năm t từ 1963 đến 1991,
các cổ phiếu trên NYSE, AMEX, NASDAQ được chia thành 5 nhóm theo ME và theo
ME/BE. 25 danh mục đầu tư dựa trên ME và BE được hình thành nhờ kết hợp 5 nhóm
ME và 5 nhóm ME/BE. Sử dụng phương pháp hồi quy chuỗi thời gian của Black,


11

Jensen và Scholes (1972). Kết quả nghiên cứu cho thấy cả ME và BE/ME thật sự là đại
diện cho độ nhảy cảm rủi ro trong tỷ suất sinh lợi của chứng khoán. Tuy nhiên, mô

hình ba nhân tố của Fama French (1993) cũng chỉ đạt được sự gia tăng trong việc giải
thích của mô hình CAPM bởi sự bổ sung của các nhân tố giải thích hơn là sự kết hợp
các bất cân xứng của phân phối xác suất của lợi nhuận trong thị trường tăng điểm và
giảm điểm.
2.2 Các bằng chứng thực nghiệm
Bắt đầu từ các giả định của mô hình CAPM, các nhà nghiên cứu đã tập trung đi
sâu vào hai giả định đó là: giả định về phân phối chuẩn của phân phối xác suất của lợi
nhuận và giả định cấu trúc ưa thích rủi ro của nhà đầu tư là một hàm hữu dụng bậc 2.
Theo nghiên cứu của Arditti (1967), các biến rủi ro trong mô hình định giá được chia
thành hai nhóm: (a) nhóm đầu tiên đo lường trực tiếp phân phối xác suất lợi nhuận của
cổ phiếu công ty, bao gồm các moment bậc hai và bậc ba của phân phối xác suất và hệ
số tương quan giữa lợi nhuận của một cổ phiếu và các cổ phiếu khác; (b) những biến
liên quan đến nội tại của công ty như tỷ lệ thu nhập, tỷ lệ nợ..Xuất phát từ việc tối đa
hóa lợi nhuận của nhà đầu tư, tác giả xây dựng một hàm hữu dụng dựa theo thu nhập
và nguồn vốn của nhà đầu tư: U = U (X + W). Mở rộng hàm hữu dụng này với chuỗi
Taylor, ta được phương trình:
E(U) = U [W + E(rW)] +

𝑊2
2!

U’’ (W + Wγ1) γ2+

𝑊3
3!

U’’’ (W + Wγ1) γ3 + MM bậc

cao
γ1, γ2, γ3 là các moment bậc một, hai, ba của phân phối xác suất của lợi nhuận.

Phương trình này cho thấy rằng hàm hữu dụng mong đợi của nhà đầu tư có liên quan
đến các moment bậc cao của phân phối xác suất. Giả định rằng nhà đầu tư e ngại rủi ro,
các lý thuyết kinh tế mô tả e ngại rủi ro là những người có hữu dụng biên hoặc nguồn
vốn giảm dần với sự gia tăng của nguồn vốn (tức là đạo hàm bậc 2 của hàm hữu dụng
theo nguồn vốn thì <0), do đó hệ số ước lượng của variance sẽ <0. Hàm ý kinh tế của
tương quan âm là biến động lợi nhuận càng cao thì hữu dụng lợi nhuận càng thấp, kết


12

quả là khi có một sự biến động cao trong lợi nhuận mà không có sự tác động của các
moment khác thì lợi nhuận mong đợi phải tăng. Tương tự, tác giả cũng đưa ra việc
U’’’(W) > 0, do đó hệ số tương quan của moment bậc ba (skewness) là tương quan
dương, do đó các nhà đầu tư sẽ chấp nhận mức lợi nhuận thấp hơn mong đợi khi khoản
đầu tư có skewness dương với lợi nhuận và có cùng hệ số variance. Kết quả này dẫn
đến việc, những nhà đầu tư ưa thích hệ số skewness dương và từ chối đối với hệ số
skewness âm.
Levy (1969) cho rằng nếu không có những giởi hạn trong mô hình, hay hình dạng
của phân phối, thì việc giới hạn ảnh hưởng của các moment bậc cao hơn là không thể
bị từ chối, ngay cả khi chỉ có ít thông tin về hình dạng của phân phối các biến. Chỉ có
hai trường hợp được từ chối: (a) Nếu tất cả các moments tiến về zero (b) nếu ta giả
định rằng hàm hữu dụng là hàm bậc ba.
Robert C.Scott and Philip A Horvath (1980): Nếu phân phối lợi nhuận của một
danh mục thì bị chệch , hoặc hàm hữu dụng của nhà đầu tư cao hơn bậc hai, hoặc trung
bình và phương sai không thể mô tả hoàn toàn được phân phối, khi đó moment bậc ba
và bậc cao hơn cần phải được xem xét. Arditi (1967) và Kraus and Litzenberger (1973)
cho thấy một sự ưa thích đối với coskewness, moment bậc bốn thì nhận được ít sự quan
tâm hơn bởi vì khó khăn trong việc xử lý moment bậc bốn và bậc cao hơn.
Jean (1971) đưa ra các nguyên nhân mà những nghiên cứu trước đây từ chối sự
xuất hiện của các moment bậc cao như sau: đầu tiên là giả định về hàm hữu dụng của

nhà đầu tư, nếu hàm hữu dụng là một hàm số bậc ba thì đạo hàm bậc ba và đạo hàm
bậc cao của hàm hữu dụng bằng 0. Do đó, một hàm hữu dụng là một đa thức bậc cao
hơn hoặc phi đa thức được sử dụng sẽ hợp lý hơn. Lý do thứ hai đó là việc không có
một hàm hữu dụng cụ thể, các nhà nghiên cứu không thể xác định đầy đủ các ước
lượng các kỳ hạn còn lại trong chuỗi ước lượng Taylor. Nguyên nhân thứ ba xuất phát
từ hình dạng của phân phối của dòng tiền. Nếu dòng tiền lợi nhuận có phân phối cân
xứng, khi đó moment bậc ba sẽ bằng 0 và kỳ hạn mở rộng tương ứng cũng bằng 0.


13

Nhiều nghiên cứu của các nhà khoa học trên thế giới đã cho thấy rằng tỷ suất sinh
lợi của cổ phiếu có phân phối bất đối xứng và tỷ suất sinh lợi vượt trội xuất hiện nhiều
đến mức không còn phù hợp với phân phối chuẩn. Vậy nguyên nhân của việc phân
phối của tỷ suất sinh lợi có hình dạng bất đối xứng xuất phát từ đâu. Damodaran (1985)
chỉ ra rằng phân phối lợi nhuận của tài sản bị chệch là do phản ứng bất cân xứng giữa
tin tốt và tin xấu. Những tin tốt khi đưa ra thị trường sẽ làm tăng giá cổ phiếu, tuy
nhiên mức tăng này nhỏ hơn phần bù rủi ro yêu cầu của các nhà đầu tư. Mặt khác, tin
xấu xuất hiện sẽ làm giảm giá cổ phiếu và mức giảm lại cao hơn phần bù rủi ro tương
ứng. Điều này giải thích tại sao phân phối của lợi nhuận có độ bất đối xứng âm (chệch
trái).
Chen, Hong và Stein (2001) đưa ra những lý do khác cho hệ số skewness. Các tác
giả cho rằng các nhà đầu tư không đồng nhất chính là nguyên nhân của hiện tượng này.
Khi tồn tại sự bất đồng ý kiến giữa những nhà đầu tư nắm trong tay giá trị tài sản lớn,
những nhà đầu tư này khi đang ở trong thị trường đang giảm điểm là những người chịu
áp lực của các hợp đồng bán khống, họ buộc lòng phải bán tất cả các cổ phiếu và thoát
khỏi thị trường. Giá bán của họ có thể không phản ánh đúng thông tin của thị trường.
Tuy nhiên, việc bán khống này đưa ra những tín hiệu sai đến thị trường, và giá trị của
cổ phiếu giảm đáng kể tạo ra tín hiệu từ những nhà đầu tư gây nhiễu phản ứng quá mức
với tình trạng hiện tại của thị trường.

Karpoff (1997) sử dụng lý thuyết về chi phí giao dịch và phần bù suy thoái để giải
thích tại sao phần bù tỷ suất sinh lợi cao hơn rủi ro giảm giá khi so sánh với trường hợp
rủi ro tăng giá. Tác giả cho rằng chi phí giao dịch trong nền kinh tế suy thoái đóng góp
vào phần bù tỷ suất sinh lời cao hơn trong thị trường giảm giá. Schwert (1989) tìm thấy
rằng mức biến động thị trường cao hơn trong thời kỳ suy thoái và điều này đóng góp
vào khoảng chênh lệch giá lớn hơn dẫn đến việc các nhà đầu tư yêu cầu phần bù cao
hơn để bù đắp cho sự không chắc chắn đó.


14

Rubistein (1973) và Kraus và Litzenberger (1976) đã mở rộng lý thuyết danh mục
đầu tư hiện đại bao gồm cả đo lường các rủi ro phi tuyến. Các tác giả đã xây dựng mô
hình đo lường rủi ro của tài sản với các hệ số hiệp phương sai (covariance) và hiệp độ
chệch (coskewness). Rubinstein (1973) cho rằng nếu lợi nhuận của tài sản không tuân
theo phân phối chuẩn và những nhà đầu tư không ưa thích hàm hữu dụng bậc hai thì
khi đó các nhà đầu tư cần quan tâm đến tất cả các moment của phân phối xác suất lợi
nhuận. Nếu nghiên cứu của Rubinstein (1973) xem xét đến hệ số skewness mà không
phân biệt rõ là là độ bất đối xứng hệ thống hay độ bất đối xứng có điều kiện thì thích
hợp trong mô hình định giá thì nghiên cứu của Kraus và Litzenberger (1976) lại cho
rằng hệ số bất đối xứng hệ thống thích hợp hơn hệ số bất đối xứng tổng thể trong việc
định giá thị trường. Kraus và Litzenberger (1976) mở rộng mô hình CAPM bằng cách
thêm vào tác động của độ bất đối xứng đến sự thay đổi của tỷ suất sinh lời tài sản. Các
tác giả cho rằng những moment ngoài bậc ba thì không phù hợp bởi vì lợi nhuận mong
đợi của nhà đầu tư được xác định bởi ba moment đầu tiên của phân phối xác suất lợi
nhuận. Các tác giả cho rằng nhà đầu tư e ngại rủi ro những người muốn tối đa hóa lợi
nhuận kỳ vọng, sẽ lựa chọn danh mục có tỷ suất sinh lời kỳ vọng cao hơn, phương sai
thấp hơn, độ bất đối xứng hệ thống cao hơn. Do đó nhà đầu tư sẵn lòng chấp nhận tỷ
suất sinh lời kỳ vọng thấp hơn đối với độ bất đối xứng kỳ vọng dương cao hơn nếu thị
trường cũng có độ bất đối xứng kỳ vọng dương. Kết quả thực nghiệm của tác giả đã chỉ

ra rằng mô hình định giá tài sản với moment bậc ba giải thích được sự biến động của
lợi nhuận tài sản, ngoài ra còn cho thấy việc những nhà đầu tư trở nên e ngại đối với hệ
số variance và đặt kỳ vọng của mình vào hệ số độ bất đối xứng dương. Đồng thời nêu
rằng khi mô hình CAPM được mở rộng với hệ số bất đối xứng hệ thống, dự báo về giá
sẽ có ý nghĩa và hệ số chặn của lợi nhuận thị trường vượt mức không bị từ chối. Do
vậy, một mô hình định giá CAPM với moment bậc cao cung cấp một quá trình định giá
tài sản hiệu quả hơn mô hình 2 moment là trung bình và phương sai.


15

Harvey và Siddique (2000) và Barone – Adesi et al (2004) là một trong những
nghiên cứu chứng minh sự ảnh hưởng của hệ số độ chệch tác động đến tỷ suất sinh lời
của tài sản. Bắt nguồn từ sự thất bại của mô hình CAPM cổ điển trong việc giải thích
lợi nhuận của danh mục cổ phiếu trong các trường hợp đặc biệt như lợi nhuận của danh
mục được sắp xếp theo vốn hóa nhỏ nhất của thị trường, hay như lợi nhuận của danh
mục từ chiến lược đầu tư thuận xu hướng. Nghiên cứu của Harvey và Siddique (2000)
khác với nghiên cứu của Kraus và Litzenberger (1976) đó là tập trung vào hệ số bất đối
xứng có điều kiện (conditional skewness) trong việc giải thích lợi nhuận chéo của tài
sản. Nghiên cứu xây dựng lợi nhuận kỳ vọng là một hàm được biểu diễn theo
covariance và coskewness với danh mục thị trường. Nghiên cứu đánh giá tầm quan
trọng của coskewness trong việc giải thích lợi nhuận mong đợi bởi sự bổ sung hệ số R2
trong hồi quy dữ liêu chéo. Bằng việc sử dụng dữ liệu lợi nhuận hằng tháng của thị
trường US từ CRSP, NYSE/AMEX và Nasdaq giai đoạn từ tháng 7/1963 đến tháng
12/1993. Tác giả đánh giá sự khác nhau của hệ số coskewness qua 5 danh mục cổ
phiếu, nhóm danh mục đầu tiên là 32 danh mục tỷ trọng giá trị các ngành công nghiệp,
nhóm danh mục thứ hai là 25 danh mục được sắp xếp theo quy mô và giá trị sổ sách/
giá trị thị trường theo Fama French (1995), thứ ba tác giả kiểm tra 10 danh mục theo
quán tính giá được sắp xếp theo lợi nhuận quá khứ từ t-12 đến t-2 tháng và nắm giữ
danh mục trong sáu tháng, nhóm bốn đó là nhóm danh mục theo quy mô (vốn hóa thị

trường). Kết quả bài nghiên cứu cho thấy hệ số bất đối xứng hệ thống rất quan trọng
trong việc giải thích sự biến đổi của lợi nhuận chéo của tài sản và có ý nghĩa giải thích
khi các nhân tố quy mô và giá trị sổ sách/ giá trị thị trường được thêm vào mô hình. Hệ
số bất đối xứng hệ thống như là một phần bù rủi ro vào khoảng 3.6%/ năm và hiệu ứng
quán tính giá có tác động đến hệ số này (danh mục theo quán tính giá có lợi nhuận
mong đợi thấp sẽ có skewness cao hơn danh mục có lợi nhuận mong đợi cao).
Tương tự Harvey và Siddque, Adesi et al (2004) xem xét hệ số coskewness thị
trường và kiểm định tác động của nó đến các mô hình định giá tài sản. Sử dụng dữ liệu


16

bao gồm 450 lợi nhuận hàng tháng của 10 danh mục cổ phiếu được xây dựng theo tiêu
chí quy mô. Theo Harvey và Siddque (2000), một tài sản được cho là có hệ số
coskewness dương với thị trường khi hệ số phần dư của hồi quy lợi nhuận là một hằng
số và lợi nhuận thì trường có tương quan dương với bình phương của lợi nhuận thị
trường. Do đó, một tài sản có hệ số coskewness dương (âm) sẽ làm giảm (tăng) rủi ro
của danh mục, do đó sẽ có một tỷ suất sinh lợi thấp (cao) hơn so với trung bình thị
trường. Để có một nhận định và đo lường chính xác đóng góp của hệ số coskewness,
tác giả sử dụng phương pháp ước lượng dựa vào một mô hình thị trường bậc hai (the
Quadratic market model), là sự mở rộng của mô hình truyền thống bao gồm hai nhân tố
lợi nhuận thị trường và bình phương của lợi nhuận, hệ số của nhân tố bậc 2 đo lường
đóng góp biên của coskewness đến lợi nhuận tài sản. Kết quả nghiên cứu cho thấy hệ
số Coskewness có ý nghĩa thống kê trên tất cả các danh mục cổ phiếu và có xu hướng
tương quan với yếu tố quy mô; cụ thể những danh mục có quy mô nhỏ thường có hệ số
Coskewness âm và danh mục có quy mô lớn thường có hệ số Coskewness dương so
với lợi nhuận thị trường.
Smith (2007) kiểm định mô hình 3 moment CAPM có điều kiện và cũng tìm thấy
rằng nhân tố độ bất đối xứng hệ thống có ý nghĩa trong việc giải thích tỷ suất sinh lời
chéo của tài sản. Các nhà đầu tư quan tâm đến rủi ro độ bất đối xứng khi thị trường có

độ lệch dương hơn là khi thị trường có độ lệch âm. Khi thị trường có độ lệch dương,
nhà đầu tư sẵn lòng hy sinh 7.87% hệ số gama (thước đo của rủi ro bất đối xứng hệ
thống) và khi thị trường có độ chệch âm, họ yêu cầu một phần bù là 1.80%. Tác giả
cũng so sánh sự phù hợp của mô hình định giá khi bao gồm cả hệ số độ chệch hệ thống
với các nhân tố định giá Fama French, kết quả cho thấy việc bổ sung nhân tố độ chệch,
kết hợp với các nhân tố của Fama French 1993 có khả năng giải thích tốt hơn hai mô
hình riêng lẻ kia.
Những nghiên cứu trước đó đã cho thấy việc mở rộng mô hình định giá CAPM
với tác động của hệ số coskewness đã được thừa nhận, tuy nhiên chưa có nghiên cứu


17

xem xét tác động của độ nhọn hệ thống đến tỷ suất sinh lời của tài sản. Fang và Lai
(1997) đã sử dụng một mô hình định giá bao gồm tác động của phương sai hệ thống
(covariance) và độ chệch hệ thống (coskewness), và độ nhọn hệ thống (cokurtosis)
trong một quy trình tổng quát ước lượng lợi nhuận mong đợi của cổ phiếu. Mô hình
của Fang và Lai (1997) bao gồm những giả định như sau: có N tài sản rủi ro và một tài
sản phi rủi ro, tất cả tài sản được cho là bị giới hạn và lợi nhuận của tài sản đạt được
được tích lũy từ các hình thức tăng vốn, thị trường vốn cũng được giả định là hoàn hảo
và không có thuế và chi phí giao dịch, tất cả nhà đầu tư có chung niềm tin về lợi nhuận
của chứng khoán và tối đa hóa lợi ích của mình và mức độ hữu dụng của nhà đầu tư có
thể được đo lường qua các biến như trung bình, phương sai, độ lệch và độ nhọn của
danh mục được đầu tư. Với một mức cao covariance và cokurtosis, lợi nhuận mong đợi
sẽ cao hơn để bù đắp các rủi ro. Ngược lại, một mức cao hơn hệ số coskewness sẽ dẫn
đến một mức lợi nhuận mong đợi thấp hơn. Thêm nữa, mô hình cho thấy rằng kurtosis
hệ thống thì có liên quan hơn đến định giá tài sản so với hệ số kurtosis tổng quát.
Trong khung lý thuyết mô hình mean – variance thì hệ số coskewness và cokurtosis
không được đề cập đến, còn trong khung lý thuyết của mô hình moment bậc ba thì hệ
số cokurtosis không được đưa vào mô hình như theo nghiên cứu của Kraus và

Litzenberger (1973). Kết quả của bài nghiên cứu cho thấy rằng những nhà đầu tư có
một sự ưa thích đối với hệ số skewness dương trong danh mục và do đó yêu cầu một
mức tỷ suất sinh lời kỳ vọng cao hơn cho tài sản khi danh mục thị trường có hệ số
skewness âm và ngược lại. Hơn nữa, tác giả cũng kết luận rằng những nhà đầu tư
không ưa thích đối với hệ số variance và kurtosis trong danh mục và yêu cầu một mức
tỷ suất sinh lợi cao để bù đắp khi danh mục có covariace cao và cokurtosis cao. Như
vậy, tồn tại độ bất đối xứng hệ thống và độ nhọn hệ thống trong phân phối tỷ suất sinh
lợi của tài sản.
Dittmar (2002) mở rộng mô hình định giá tài sản với phương pháp GMM của
Hansen (1982), sử dụng lợi nhuận của 20 danh mục được sắp xếp theo ngành (được ký


18

hiệu bằng mã hai chữ số SIC như được sử dụng trong Moskowizt và Grinblatt (1999)).
Kết quả cho thấy rằng khung nghiên cứu phù hợp với việc e ngại hệ số hiệp độ nhọn
của các quỹ đầu tư và lợi nhuận tài sản bị tác động bởi hệ số covariance, coskewness
và cokurtosis với lợi nhuận của tổng danh mục. Tác giả cũng kết luận rằng mô hình
định giá phi tuyến có thể định giá lợi nhuận chéo một cách đáng kể hơn mô hình ba
nhân tố của Fama French (1993); mô hình định giá bậc hai hoặc bậc ba không phủ
nhận được việc này và mô hình định giá đa thức cho ra những sai sót thấp hơn. Satchell
và công sự (2000) cũng đưa ra nhận định về mô hình định giá bao gồm ba yếu tố
Covariance, Coskewness và Cokurtosis có mức ý nghĩa thống kê tốt hơn so với mô
hình chỉ gồm Covariance và Coskewness. Những kết quả nghiên cứu của Fang và Lai
(1997), Satchell và cộng sự (2000) và Dittmar (2002) là những nghiên cứu có liên quan
gần nhất đề xuất rằng nâng cao hiệu quả của mô hình định giá thị trường ở bậc hai và
bậc ba của hệ số covariance tài sản với danh mục thị trường. Với những giả thuyết rằng
những nhà đầu tư giảm sự thận trọng tuyệt đối, họ cho rằng sự đóng góp của độ nhọn
không điều kiện có thể thu hút nhiều sự chú ý.
Agarwal và cộng sự (2008) nghiên cứu sự tác động của yếu tố rủi ro hiệp moment

bậc cao đến hiệu quả hoạt động của các quỹ đầu tư mạo hiểm. Bằng cách tính toán giá
tại bậc hai, ba và bốn của lợi nhuận thị trường tài sản từ chỉ số S&P 100, bài nghiên
cứu tập trung vào ba moment trung tâm: volatility, coskewness, cokurtosis. Một giới
hạn của việc sử dụng giá trong quá khứ để đo lường coskewness và cokurtosis đó là sự
đánh đổi giữa dữ liệu chuỗi thời gian dài để có ước lượng chính xác và một cửa sổ thời
gian ngắn để đo lường sự thay đổi của các comoments. Vì vậy, tác giả sử dụng giá
quyền chọn (option price) thay vì giá trong quá khứ để diễn tả chính xác hơn những rủi
ro hiệp moment bậc cao trong tương lai. Kết quả nghiên cứu cho thấy, bằng cách sắp
xếp danh mục của các quỹ dựa vào các rủi ro moment bậc cao, tác giả thấy rằng phần
bù rủi ro lợi nhuận tài sản thị trường biến động âm với hệ số Cokurtosis và volatility và