Lan tỏa suất sinh lợi và độ biến thiên giữa các thị trường chứng khoán tt

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

LÊ ĐÌNH NGHI
LAN TỎA SUẤT SINH LỢI VÀ ĐỘ BIẾN THIÊN
GIỮA CÁC THỊ TRƯỜNG CHỨNG KHOÁN

Chuyên ngành

: Quản trị kinh doanh

Mã số chuyên ngành : 62 34 01 02

TÓM TẮT LUẬN ÁN TIẾN SĨ QUẢN TRỊ KINH DOANH

Người hướng dẫn khoa học:
PGS.TS. NGUYỄN MINH KIỀU

Thành phố Hồ Chí Minh, năm 2019


i

Công trình được hoàn thành tại:
TRƯỜNG ĐẠI HỌC MỞ
THÀNH PHỐ HỒ CHÍ MINH
Người hướng dẫn khoa học:
PGS.TS. NGUYỄN MINH KIỀU
Phản biện 1:…………………………………
Phản bịên 2:…………………………………
Phản biện 3:…………………………………

Luận án sẽ được bảo vệ trước hội đồng chấm điểm luận án cấp trường họp tại:
………………………………………………………………………………………
……………………………………………………
Vào hồi ….giờ…ngày…tháng….năm…
Có thể tìm hiểu luận án tại thư viện: ………................................................................
.......................................................................................................................................


1

CHƯƠNG 1. TỔNG QUAN NGHIÊN CỨU
1.1. Giới thiệu
1.2. Bối cảnh nghiên cứu và lý do chọn đề tài
1.2.1. Nền kinh tế và thị trường chứng khoán Việt Nam

Sau hơn 30 năm đổi mới bắt đầu từ năm 1986, kinh tế Việt Nam đã đạt được nhiều thành
tựu quan trọng và ngày càng hội nhập sâu hơn vào nền kinh tế thế giới. Điều này thể hiện
qua việc thu hút ngày càng nhiều vốn đầu tư từ nước ngoài, gia tăng hoạt động xuất nhập
khẩu, tham gia các hiệp định thương mại tự do, …
Thị trường chứng khoán (TTCK) là một bộ phận quan trọng của thị trường tài chính và
đóng vai trò rất quan trọng trong nền kinh tế. Hoạt động trong nền kinh tế đang ngày càng
hội nhập sâu hơn vào nền kinh tế thế giới, TTCK Việt Nam có thể chịu tác động từ thay đổi
của các TTCK thế giới. Mỹ là quốc gia có nền kinh tế lớn nhất thế giới và có khả năng ảnh
hưởng đến nhiều nền kinh tế trên thế giới, trong đó có Việt Nam. Vì vậy, TTCK Việt Nam
có khả năng sẽ bị tác động từ TTCK Mỹ. Là một quốc gia thuộc khu vực châu Á, TTCK
Việt Nam còn có thể chịu tác động từ TTCK Nhật và Hàn Quốc, là các TTCK lớn của khu
vực châu Á.
Vì vậy, từ thực tiễn hội nhập của nền kinh tế Việt Nam, TTCK Việt Nam có thể chịu tác
động từ các chỉ số TTCK tại Mỹ, Nhật và Hàn Quốc. Vì vậy, nghiên cứu về ảnh hưởng của

các TTCK Mỹ, Nhật và Hàn Quốc lên TTCK Việt Nam là cần thiết, góp phần cung cấp
thông tin cho các nhà đầu tư cũng như nhà hoạch định chính sách có thêm cơ sở để ra các
quyết định hợp lý.
1.2.2. Bối cảnh nghiên cứu

Một trong những yếu tố quan trọng trong quản trị doanh nghiệp là quản trị tài chính,
trong đó có các quyết định đầu tư. TTCK là một kênh đầu tư phổ biến của các doanh nghiệp
và cá nhân. Vì vậy, TTCK là một bộ phận quan trọng của thị trường tài chính và đóng vai
trò rất quan trọng trong nền kinh tế. Suất sinh lợi (SSL) (hay tỷ suất lợi nhuận) và rủi ro là
những yếu tố quan trọng cần quan tâm đối với các nhà đầu tư trên TTCK.
SSL có thể được đo lường thông qua sự thay đổi giá cổ phiếu. Rủi ro có thể được định
lượng thông qua độ biến thiên (volatility) của SSL, đo bằng phương sai có điều kiện của


2

chuỗi suất sinh lợi. Mô hình GARCH có thể được sử dụng để ước lượng độ biến thiên
(ĐBT) SSL (volatility).
Trong bối cảnh toàn cầu hóa hiện nay, các hệ thống tài chính tại các nước trên thế giới sẽ
có sự phụ thuộc và tác động qua lại lẫn nhau. Vì vậy, nghiên cứu về mối liên hệ về SSL và
ĐBT giữa các TTCK sẽ giúp nhà đầu tư có thêm thông tin để ra quyết định. Lan tỏa
(spillover) là khái niệm được sử dụng để đánh giá sự phụ thuộc lẫn nhau giữa các nền kinh
tế. Sự phụ thuộc lẫn nhau này có nghĩa là các các sự kiện hay các biến động dù là của toàn
cầu hay từng quốc gia, có thể lan truyền sang các nước khác bởi vì các nền kinh tế thường
có các mối quan hệ về tài chính với nhau. Nói cách khác, sự lan tỏa có nghĩa là sự lan
truyền các biến động của thị trường từ nước này sang nước khác (Ahmed S. Abou-Zaid,
2011).
Như vậy, có thể thấy rằng nghiên cứu về lan tỏa SSL và độ biến thiên đóng vai trò rất
quan trọng, cung cấp thông tin cần thiết cho nhà đầu tư cũng như nhà quản lý chính sách,
giúp họ ra quyết định chính xác hơn. Mặc dù đã có nhiều nghiên cứu đánh giá lan tỏa SSL

và độ biến thiên từ thị trường phát triển sang các thị trường mới phát triển như Ng (2000),
Miyakoshi (2003), Ergun & Nor (2010), Sakthivel, Bodkhe, & Kamaiah (2012),
Kharchenko & Tzvetkov (2013), Nishimura, Tsutsui, & Hirayama (2015), Yarovaya,
Brzeszczyński, & Lau (2016), Bahadur, Kothari, & Thagurathi (2016), Jebran, Chen, Ullah,
& Mirza (2017), Ishfaq & Rehman (2018) nhưng theo tìm hiểu của tác giả thì vẫn chưa có
nghiên cứu nào kiểm định tác động này tại TTCK Việt Nam. Vì vậy, luận án sẽ đánh giá tác
động lan tỏa SSL và ĐBT từ TTCK Mỹ, Nhật và Hàn Quốc lên TTCK Việt Nam.
Trong thực tế, các nhà đầu tư ngắn hạn và dài hạn có thể có các mục tiêu đầu tư khác
nhau. Các nhà đầu tư ngắn hạn sẽ tập trung quan tâm vào sự tương quan của SSL các cổ
phiếu ở các tần số cao, nghĩa là các biến thiên ngắn hạn (chu kỳ của chuỗi dữ liệu nhỏ),
trong khi nhà đầu tư dài hạn sẽ tập trung quan tâm vào sự tương quan của SSL các cổ phiếu
khác nhau ở các tần số thấp, nghĩa là các biến thiên dài hạn (chu kỳ của chuỗi dữ liệu là lớn)
(Gradojevic, 2013). Như vậy việc phân tích sự tương quan của độ biến thiên giữa các thị
trường trong ngắn hạn và dài hạn một cách độc lập sẽ rất cần thiết cho các nhà đầu tư ngắn
hạn và dài hạn có thêm cơ sở để phân tích tốt hơn trong việc quản trị rủi ro và đa dạng hóa
danh mục đầu tư. Việc phân tích tương quan giữa các chuỗi dữ liệu trong ngắn hạn và dài


3

hạn có thể được thực hiện thông qua kỹ thuật phân tích dữ liệu trong miền tần số (frequency
domain).
Mặc dù đã có từ rất lâu và đóng góp vai trò quan trọng trong việc phân tích dữ liệu, tuy
nhiên các nghiên cứu về phân tích dữ liệu trong miền tần số vẫn còn tương đối ít gặp trong
các nghiên cứu thực nghiệm trong lĩnh vực liên quan đến kinh tế, tài chính (Gradojevic,
2013). Cho đến nay, có rất ít nghiên cứu sử dụng kỹ thuật phân tích trong miền tần số để
đánh giá tác động lan tỏa giữa các TTCK. Cụ thể hơn, tác giả chỉ tìm thấy Gradojevic
(2013) sử dụng kỹ thuật phân tích nhân quả trong miền tần số để phân tích lan tỏa SSL giữa
năm thị trường khu vực bao gồm Serbia, Croatia, Slovenia, Hungary và Đức. Như vậy, cho
đến nay, theo tìm hiểu của tác giả thì chưa có nghiên cứu nào đánh giá lan tỏa độ biến thiên

(volatility spillover) giữa các TTCK, dựa trên phân tích tương quan trên miền tần số. Từ đó,
có thể thấy việc áp dụng phân tích trong miền tần số vào đánh giá lan tỏa SSL và độ biến
thiên là cần thiết, góp phần bổ sung những khe hở lý thuyết về tác động lan tỏa, đồng thời
cung cấp các thông tin cụ thể hơn cho các nhà đầu tư ngắn hạn và dài hạn.
1.2.3. Lý do nghiên cứu

Từ những phân tích trên, tác giả chọn đề tài: “Lan tỏa SSL và độ biến thiên giữa các
TTCK” làm luận án tiến sĩ của mình. Đề tài này sẽ sử dụng kỹ thuật phân tích dữ liệu trên
miền tần số và mô hình GARCH để đánh giá tác động lan tỏa SSL và độ biến thiên TTCK
TTCK Mỹ, Nhật và Hàn Quốc lên TTCK Việt Nam - ở các tần số khác nhau. Kết quả
nghiên cứu sẽ giúp đánh giá chính xác được ảnh hưởng lẫn nhau giữa các thị trường ở các
thành phần tần số (chu kỳ) khác nhau, từ đó giúp nhà đầu tư ngắn hạn và dài hạn có thêm
những thông tin chính xác hơn trong quyết định đầu tư.
1.3. Vấn đề nghiên cứu

Luận án nghiên cứu mối liên hệ của SSL và ĐBT giữa các TTCK. Cụ thể hơn là tác
động lan tỏa SSL và ĐBT từ TTCK Mỹ, Nhật và Hàn Quốc lên TTCK Việt Nam.
1.4. Mục tiêu và câu hỏi nghiên cứu
1.4.1. Mục tiêu nghiên cứu

Đề tài thực hiện các mục tiêu cụ thể sau:
- Kiểm định tác động lan tỏa SSL và độ biến thiên từ TTCK TTCK Mỹ, Nhật và Hàn Quốc
lên TTCK Việt Nam.


4

- Phân tích trên miền tần số để kiểm định tác động lan tỏa SSL và ĐBT ứng với các thành
phần tần số khác nhau.
1.4.2. Câu hỏi nghiên cứu

Đề tài nhằm trả lời các câu hỏi nghiên cứu sau:
-

TTCK Mỹ có tác động lan tỏa SSL lên TTCK Việt Nam hay không?

-

TTCK Nhật có tác động lan tỏa SSL lên TTCK Việt Nam hay không?

-

TTCK Hàn Quốc có tác động lan tỏa SSL lên TTCK Việt Nam hay không?

-

TTCK Mỹ có tác động lan tỏa ĐBT lên TTCK Việt Nam hay không?

-

TTCK Nhật có tác động lan tỏa ĐBT lên TTCK Việt Nam hay không?

-

TTCK Hàn Quốc có tác động lan tỏa ĐBT lên TTCK Việt Nam hay không?

-

Có sự khác biệt về mặt thống kê của tác động lan tỏa SSL từ TTCK Mỹ sang TTCK
Việt Nam ở các thành phần tần số khác nhau hay không?

-

Có sự khác biệt về mặt thống kê của tác động lan tỏa SSL từ TTCK Nhật sang TTCK
Việt Nam ở các thành phần tần số khác nhau hay không?

-

Có sự khác biệt về mặt thống kê của tác động lan tỏa SSL từ TTCK Hàn Quốc sang
TTCK Việt Nam ở các thành phần tần số khác nhau hay không?

-

Có sự khác biệt về mặt thống kê của tác động lan tỏa ĐBT từ TTCK Mỹ sang TTCK
Việt Nam ở các thành phần tần số khác nhau hay không?

-

Có sự khác biệt về mặt thống kê của tác động lan tỏa ĐBT từ TTCK Nhật sang
TTCK Việt Nam ở các thành phần tần số khác nhau hay không?

-

Có sự khác biệt về mặt thống kê của tác động lan tỏa ĐBT từ TTCK Hàn Quốc sang
TTCK Việt Nam ở các thành phần tần số khác nhau hay không?

1.5. Dữ liệu và phương pháp nghiên cứu

Dữ liệu thứ cấp được thu thập bao gồm các chỉ số thị trường đại diện cho các TTCK là
chỉ số S&P 500 (đại diện cho thị trường Mỹ), chỉ số Nikkei 225 (đại diện cho TTCK Nhật),

KOSPI (đại diện cho TTCK Hàn Quốc) và chỉ số VN-Index đại diện cho TTCK Việt Nam.
Phương pháp được sử dụng là phương pháp định lượng, dựa vào các mô hình GARCH
(Bollerslev, 1986) để đo lường ĐBT, kiểm định nhân quả Granger (Granger Causality Test)
(Granger, 1969) để kiểm định tác động lan tỏa SSL và ĐBT và phân tích nhân quả trong
miền tần số (Breitung & Candelon, 2006) để phân tích lan tỏa SSL và ĐBT trên miền tần số.


5

1.6. Những đóng góp về khoa học và thực tiễn của đề tài
1.6.1. Đóng góp về khoa học

Trong bối cảnh toàn cầu hóa đang diễn ra mạnh mẽ như hiện nay, việc nghiên cứu tác
động lan tỏa SSL và ĐBT giữa các thị trường đóng vai trò quan trọng trong việc ra quyết
định của các nhà đầu tư, doanh nghiệp và người làm chính sách. Vì vậy, đã có khá nhiều các
nghiên cứu đánh giá tác động lan tỏa SSL và ĐBT giữa các thị trường khác nhau trên thế
giới. Tuy nhiên, hầu hết các nghiên cứu này chưa phân tích được tác động lan tỏa ứng với
các thành phần tần số khác nhau. Có rất ít nghiên cứu phân tích lan tỏa SSL trong miền tần
số, và đặc biệt, tác giả chưa tìm thấy nghiên cứu nào phân tích lan tỏa ĐBT trong miền tần
số. Vì vậy, bằng kỹ thuật phân tích trong miền tần số, nghiên cứu này sẽ phân tích tác động
lan tỏa SSL và ĐBT giữa các thị trường ứng với các thành phần tần số khác nhau, từ đó cho
ta cái nhìn sâu hơn về tác động lan tỏa giữa các TTCK. Đây chính là đóng góp về mặt khoa
học của luận án, góp phần bổ sung các lý thuyết đã được phát triển trước đó.
Ngoài ra, mặc dù nhiều nghiên cứu đã chỉ ra các thị trường phát triển có tác động lan tỏa
lên các thị trường mới phát triển, tuy nhiên, chưa có nghiên cứu nào được thực hiện để kiểm
chứng tại TTCK Việt Nam. Vì vậy, nghiên cứu này sẽ phân tích tác động lan tỏa từ các thị
trường phát triển lên thị trường Việt Nam, từ đó giúp ta có cái nhìn sâu hơn về mối liên hệ
giữa thị trường Việt Nam và thị trường thế giới.
1.6.2. Đóng góp về thực tiễn

Các kết quả nghiên cứu về tác động lan tỏa SSL và ĐBT giữa các thị trường sẽ giúp nhà
đầu tư có thêm thông tin để ra quyết định trong đầu tư chứng khoán và đa dạng hóa danh
mục đầu tư. Cụ thể, nếu thị trường Việt Nam có mối liên hệ yếu với các thị trường phát
triển, nghĩa là sự biến động từ thị trường phát triển (Mỹ, Nhật, Hàn Quốc) sẽ ít ảnh hưởng
lên thị trường Việt Nam, khi đó nhà đầu tư tại các thị trường phát triển có thể đa dạng hóa
danh mục đầu tư thông qua đầu tư tại thị trường Việt Nam để giảm thiểu rủi ro. Ngược lại,
nếu thị trường Việt Nam có mối liên hệ chặt chẽ với các thị trường phát triển, nhà đầu tư tại
các thị trường phát triển nên tìm các thị trường khác để đa dạng hóa danh mục đầu tư nhằm
giảm thiểu rủi ro, trong khi các nhà đầu tư tại Việt Nam có thể dự báo SSL và rủi ro dựa vào
phân tích các biến động tại các thị trường phát triển và các nhà làm chính sách tại Việt Nam
cần chú ý hơn vào các biến động trên thị trường thế giới để quản trị rủi ro tại thị trường
trong nước nhằm đảm bảo sự phát triển ổn định của thị trường.


6

Ngoài ra, kết quả của đề tài còn cung cấp thêm thông tin, giúp nhà đầu tư ra quyết
định chính xác hơn tùy theo nhu cầu của mình. Cụ thể hơn, các nhà đầu tư ngắn hạn sẽ ra
quyết định dựa trên các kết quả phân tích trong ngắn hạn, tương ứng với thành phần tần số
cao. Ngược lại, các nhà đầu tư dài hạn sẽ dựa vào các phân tích trong dài hạn, nghĩa là thành
phần tần số thấp để ra quyết định.
1.7. Kết cấu của đề tài

Để hoàn thành các mục tiêu nghiên cứu nêu ra, kết cấu luận án này bao gồm 5 chương
sau: Chương 1: Tổng quan nghiên cứu; Chương 2: Cơ sở lý thuyết; Chương 3: Phương
pháp nghiên cứu; Chương 4: Phân tích dữ liệu và kết quả nghiên cứu; Chương 5: Kết luận.


7

CHƯƠNG 2. CƠ SỞ LÝ THUYẾT
2.1. Giới thiệu
2.2. Suất sinh lợi

SSL được tính bằng công thức sau (Campbell và cộng sự, 1997): SSL=ln(Pt/Pt-1), trong
đó ln(𝑥) là logarithm tự nhiên của x, 𝑃𝑡 và 𝑃𝑡−1 là chỉ số giá của các thị trường tại thời điểm
t và t-1.
2.3. Độ biến thiên (volatility)
2.3.1. Khái niệm về độ biến thiên

ĐBT (volatility) đo độ phân tán của mật độ xác suất (probability density) (Alexander,
2001). Đại lượng thường dùng nhất để đo độ phân tán là độ lệch chuẩn của biến ngẫu nhiên.
Như vậy, ĐBT càng lớn, độ rủi ro của cổ phiếu càng cao.
2.3.2. Độ biến thiên không đổi và thay đổi theo thời gian

Các mô hình ĐBT không đổi chỉ liên quan đến ĐBT không điều kiện (unconditional
volatility) của chuỗi dữ liệu. Các mô hình ĐBT thay đổi theo thời gian mô tả quá trình của
phương sai có điều kiện. Mô hình thông dụng để mô tả ĐBT thay đổi theo thời gian là mô
hình GARCH (Generalized AutoRegressive Conditional Heteroscedastic) được đề xuất bởi
Bollerslev (1986).
2.3.3. Mô hình hóa độ biến thiên.

Trung bình và phương sai có điều kiện của rt cho bởi công thức (Tsay, 2005):



2
t  Ert | Ft 1  ,  t  Var rt | Ft 1   E rt  t  Ft 1
2



trong đó Ft 1 là tập hợp các thông tin có giá trị tại thời điểm t-1. Thông thường, Ft 1 bao gồm
các hàm tuyến tính của SSL quá khứ.
2.3.4. Mô hình ARCH (AutoRegressive Conditional Heteroscedastic)

Đây là mô hình mô tả ĐBT, được đề xuất bởi Engle (1982) như sau:

at   t  t

 t2   0  1at21  ...   m at2m

Trong đó,  t  là chuỗi độc lập và là biến phân bố ngẫu nhiên đều iid (identically
distributed) với trung bình bằng 0 và phương sai bằng 1,  0  0 và  i  0 với i  0 .


8

2.3.5. Mô hình GARCH

Mô hình GARCH (Generalized AutoRegressive Conditional Heteroskedasticity) được đề
nghị bởi Bollerslev (1986). Đây là sự mở rộng của mô hình ARCH đã được đề cập ở trên.
Với chuỗi suất sinh lợi rt , đặt at  rt  t là sai số ở thời điểm t. Như vậy, at theo mô hình
GARCH(m,s) nếu

at   t t ,

m

s

i 1

j 1

 t2   0   i at2i    j t2 j

trong đó,  t  là biến phân bố ngẫu nhiên đều iid (identically distributed) với trung bình
bằng 0 và phương sai bằng 1,  0  0 ,  i  0 ,  j  0 , và

max( m ,s )

 
i 1

i

  i   1 . Ở đây, ta hiểu

rằng i  0 với 𝑖 > 𝑚 và  j  0 với 𝑗 > 𝑠. Trong đó,  t thường được giả sử tuân theo phân
bố chuẩn (standard normal), phân bố Student-t chuẩn hóa (Standardized Student-t
distribution) hay phân bố lỗi tổng quát (generalized error distribution). Công thức trên đơn
giản về thành mô hình ARCH(m) nếu s=0.
2.4. Lan tỏa (spillover).

Lan tỏa là khái niệm được sử dụng để đánh giá sự phụ thuộc lẫn nhau (interdependence)
giữa các nền kinh tế. Sự phụ thuộc lẫn nhau này có nghĩa là các thay đổi hay cú sốc
(shocks), dù là của toàn cầu hay từng quốc gia, có thể lan truyền sang các nước khác bởi vì
các nền kinh tế thường có các mối quan hệ về tài chính với nhau. Sự lan tỏa này được thể
hiện thông qua mối liên hệ của SSL, gọi là lan tỏa SSL (return spillover) và ĐBT, gọi là lan

tỏa ĐBT (volatility spillover) giữa các thị trường.
2.5. Các nghiên cứu trước về độ biến thiên và lan tỏa SSL và độ biến thiên

Engle (1982) đã xây dựng mô hình ARCH và được Bollerslev (1986) bổ sung thành mô
hình GARCH. Dựa vào mô hình này, nhiều nghiên cứu khác nhau được thực hiện nhằm ước
lượng ĐBT và kiểm định tác động lan tỏa SSL và ĐBT tại nhiều thị trường khác nhau như
các nghiên cứu của Hamao, Masulis, & Ng (1990), Ng (2000), Miyakoshi (2003), Ergun &
Nor (2010), Sakthivel, Bodkhe, & Kamaiah (2012), Kharchenko & Tzvetkov (2013),
Nishimura, Tsutsui, & Hirayama (2015), Yarovaya, Brzeszczyński, & Lau (2016). Tại


9

TTCK Việt Nam, ĐBT SSL được nghiên cứu đầu tiên bởi Vương Quân Hoàng (2004). Các
nghiên cứu tiếp theo về ĐBT tại TTCK Việt Nam được thực hiện bởi Nguyễn Thu Hiền &
Lê Đình Nghi (2010), và sau đó được bổ sung bởi Nghi (2012). Tuy nhiên, đến thời điểm
hiện tại, tác giả vẫn chưa tìm thấy nghiên cứu nào đánh giá tác động lan tỏa ĐBT từ các thị
trường phát triển lên thị trường Việt Nam.
2.6. Miền thời gian và miền tần số
2.6.1. Giới thiệu

Tần số là số lần cùng một hiện tượng lặp lại trên một đơn vị thời gian. Như vậy, mỗi
chuỗi dữ liệu lặp lại có thể có các tần số khác nhau.
Trong hầu hết các mô hình kinh tế lượng, bao gồm các mô hình tính toán tương quan,
hồi qui hay các mô hình ARCH, GARCH, kiểm định nhân quả Granger đã đề cập ở trên, dữ
liệu được quan sát dưới dạng chuỗi thời gian, và các phép toán được xử lý trong miền thời
gian. Tuy nhiên, việc quan sát chuỗi dữ liệu trong miền thời gian sẽ làm ta rất khó, thậm chí
là không thể nhận ra các thành phần tần số riêng biệt tạo thành các chuỗi dữ liệu thời gian.
Khi đó, việc quan sát và phân tích chuỗi dữ liệu trong miền tần số là cần thiết.
2.6.2. Biểu diễn dữ liệu trong miền tần số

Dữ liệu thời gian có thể được biểu diễn dưới dạng tần số. Hàm số trình bày dữ liệu theo
biến tần số 𝑋(𝑓) của dữ liệu thời gian 𝑥(𝑡) gọi là phổ (spectrum) của 𝑥(𝑡). Như vậy, quan
sát dữ liệu trong miền tần số, ta sẽ dễ dàng phát hiện ra các thành phần tần số ẩn sau các dữ
liệu mang tính chu kỳ.
2.6.3. Biến đổi Fourier

Là phương pháp biến đổi dữ liệu từ miền thời gian sang miền tần số và ngược lại
2.7. Phân tích dữ liệu trong miền tần số

Bằng cách biến đổi dữ liệu giữa miền thời gian và miền tần số bằng biến đổi Fourier, kỹ
thuật phân tích trong miền tần số sẽ giúp phân tích dữ liệu tài chính ở các thành phần tần số
khác nhau. Phương pháp này có thể được sử dụng để phân tích tương quan nhân quả
(causality). Tương quan nhân quả trong miền tần số được đề xuất đầu tiên bởi Granger
(1969). Sau đó một số phương pháp được phát triển bởi Geweke (1982), Hosoya (1991) và
Breitung & Candelon (2006). Phương pháp của Breitung & Candelon (2006) là cách tiếp
cận được sử dụng rộng rãi và được sử dụng trong luận án này.


10

2.8. Các nghiên cứu dựa trên phân tích trong miền tần số trong lĩnh vực kinh tế - tài

chính
Nhiều tác giả đã nghiên cứu các phương pháp phân tách chuỗi thời gian thành các thành
phần có chu kỳ khác nhau, như trong các nghiên cứu của Baxter & King (1999), Buss
(2010), Larsson & Vasi (2012), Hodrick & Prescott (1997), Ravn & Uhlig (2002), …
Ngoài ra, phân tích dữ liệu trong miền tần số còn được sử dụng để phân tích tương quan
ở những tần số khác nhau như các phương pháp của Granger (1969) Geweke (1982),
Hosoya (1991), Breitung & Candelon (2006). Dựa trên các phương pháp này, nhiều nghiên

cứu tiếp tục được thực hiện nhằm nghiên cứu tương quan nhân quả giữa các chuỗi số liệu
kinh tế vĩ mô tại các nền kinh tế khác nhau. Cụ thể là các nghiên cứu của Yanfeng (2013),
Chan và cộng sự, (2008), Gradojevic (2013), Ozer & Kamisli (2016).
Mặc dù có một số nghiên cứu tìm hiểu về kỹ thuật phân tích dữ liệu trong miền tần số và
lan tỏa ĐBT tại các thị trường khác nhau, nhưng tác giả vẫn chưa tìm thấy nghiên cứu nào
áp dụng phân tích dữ liệu trong miền tần số vào việc nghiên cứu về sự lan tỏa ĐBT. Vì vậy,
đề tài sẽ nghiên cứu lan tỏa SSL và ĐBT từ TTCK Mỹ, Nhật và Hàn Quốc lên TTCK Việt
Nam - ứng với các thành phần tần số khác nhau, dựa trên phân tích trên miền tần số. Đây
chính là điểm mới trong luận án này.


11

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Giới thiệu
3.2. Mô hình nghiên cứu

Luận án đề xuất mô hình nghiên cứu về tác động lan tỏa SSL từ TTCK Mỹ sang TTCK
Việt Nam được trình bày bằng phương trình VAR (Vector autoregression) trong kiểm định
nhân quả Granger như sau:
𝑟𝑉𝑁,𝑡 = 𝛼0 + 𝛼1 𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛼𝑙 𝑟𝑉𝑁,𝑡−𝑙 + 𝛽1 𝑟𝑈𝑆,𝑡−1 + ⋯ + 𝛽𝑙 𝑟𝑈𝑆,𝑡−𝑙 + 𝜀𝑡
𝑟𝑈𝑆,𝑡 = 𝛾0 + 𝛾1 𝑟𝑈𝑆,𝑡−1 + ⋯ + 𝛾𝑙 𝑟𝑈𝑆,𝑡−𝑙 + 𝛿1 𝑟𝑉𝑁,𝑡−1 + ⋯ + 𝛿𝑙 𝑟𝑉𝑁,𝑡−𝑙 + 𝑢𝑡
trong đó 𝑟𝑈𝑆,𝑡 và 𝑟𝑉𝑁,𝑡 lần lượt là SSL tại TTCK Mỹ và Việt Nam tại thời điểm 𝑡 và các hệ
số 𝛼0 , 𝛼1,… 𝛼𝑙 , 𝛽1 , … , 𝛽𝑙 , 𝛾0 , … , 𝛾𝑙 và 𝛿1 , … , 𝛿𝑙 là các hệ số của phương trình hồi qui. Nếu các
hệ số 𝛽1 , … , 𝛽𝑙 có ý nghĩa thống kê, chứng tỏ SSL tại TTCK Mỹ sẽ có tác động lan tỏa lên
TTCK Việt Nam.
Lan tỏa SSL từ TTCK Nhật và Hàn Quốc sang TTCK Việt Nam cũng được kiểm định
bằng mô hình tương tự
Tương tự, lan tỏa ĐBT cũng được kiểm định thông qua mô hình nhân quả Granger như
đã trình bày ở trên, trong đó các giá trị SSL được thay bằng ĐBT. Các chuỗi dữ liệu ĐBT

σ2t tại các thị trường được ước lượng dựa trên áp dụng mô hình GARCH (Bollerslev, 1986)
vào các chuỗi dữ liệu SSL của S&P 500, Nikkei 225, KOSPI và VN-Index tại các TTCK
Mỹ, Nhật, Hàn Quốc và Việt Nam.
Như vậy, từ cơ sở lý thuyết cũng như các nghiên cứu thực nghiệm tại nhiều trên thế giới,
cùng với bối cảnh hội nhập của nền kinh tế Việt Nam, luận án đề xuất các giả thuyết nghiên
cứu sau:
- Giả thuyết 1 (và 2, 3): SSL của chỉ số S&P 500 (và Nikkei 225, KOSPI) có tác động lan
tỏa lên SSL của chỉ số VN-Index.
- Giả thuyết 4 (và 5, 6): ĐBT của chỉ số S&P 500 (và Nikkei 225, KOSPI)có tác động lan
tỏa lên ĐBT của chỉ số VN-Index.
Ngoài ra, dựa vào nhận định của Granger & Lin (1995) rằng mối quan hệ giữa các các
chuỗi dữ liệu tài chính có thể khác nhau ứng với các thành phần tần số khác nhau, một số
nghiên cứu đã cung cấp bằng chứng cho nhận định này cho một vài chuỗi dữ liệu tài chính
khác nhau như các nghiên cứu của Chan và cộng sự (2008), Gradojevic (2013), Yanfeng


12

(2013), Ozer & Kamisli (2016). Vì vậy, luận án đề xuất mô hình nghiên cứu nhằm kiểm
định tác động lan tỏa SSL từ TTCK Mỹ và Nhật sang TTCK Việt Nam tại các thành phần
tần số ω khác nhau như sau:
M𝑟𝑈𝑆→𝑟𝑉𝑁 (ω) = 0
M𝑟𝐽𝑃 →𝑟𝑉𝑁 (ω) = 0
M𝑟𝐾𝑅→𝑟𝑉𝑁 (ω) = 0
Trong đó,
-

𝑟𝑈𝑆 , 𝑟𝐽𝑃 , 𝑟𝐾𝑅 và 𝑟𝑉𝑁 lần lượt là chuỗi dữ liệu SSL tại các TTCK Mỹ, Nhật, Hàn Quốc
và Việt Nam.

-

My→x (ω) = 0 là một ràng buộc tuyến tính nhằm kiểm định giả thuyết 𝑦 có tác động
nhân quả lên 𝑥 tại thành phần tần số 𝜔. Công thức xác định My→x (ω) = 0 được đề
xuất bởi Breitung & Candelon (2006) và sẽ được trình bày chi tiết trong các phần
tiếp theo.

Mô hình kiểm định lan tỏa ĐBT cũng được thực hiện tương tự, trong đó thay các giá trị
SSL bằng ĐBT tại các thị trường. Dựa vào lý thuyết cũng như thực tiễn, luận án đề xuất các
giả thuyết sau:
- Giả thuyết 7 (và 8, 9): Tác động lan tỏa SSL của chỉ số S&P 500 (và Nikkei 225,
KOSPI) lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác
nhau, tác động lan tỏa SSL sẽ khác nhau.
- Giả thuyết 10 (và 11, 12): Tác động lan tỏa ĐBT của chỉ số S&P 500 (và Nikkei 225,
KOSPI) lên VN-Index phụ thuộc vào tần số. Cụ thể, ứng với mỗi thành phần tần số khác
nhau, tác động lan tỏa ĐBT sẽ khác nhau.
3.3. Thu thập dữ liệu

Dữ liệu sử dụng để phân tích là các chỉ số tổng hợp theo ngày của S&P 500 (đại diện
cho TTCK Mỹ), Nikkei 225 (đại diện TTCK Nhật), KOSPI (đại diện cho thị trường chứng
khoán Hàn Quốc) và VN-Index (đại diện cho TTCK Việt Nam) trong giai đoạn từ
01/01/2012 đến 31/12/2015. Dữ liệu được thu thập từ cơ sở dữ liệu Datastream


13

3.4. Phân tích tác động lan tỏa SSL giữa các thị trường
3.4.1. Kiểm định nhân quả Granger

Từ SSL tại các thị trường thu được, ta có thể kiểm định lan tỏa SSL thông qua đánh giá

mối liên hệ SSL giữa các thị trường. Một trong các phương pháp có thể được sử dụng để
đánh giá mối liên hệ này là kiểm định nhân quả Granger (Granger, 1969) như sau (Gujarati,
2004):

yt  0  1 yt 1  ...  l yt l  1xt 1  ...  l xt l   t
xt  0  1xt 1  ...  l xt l  1 yt 1  ...  l yt l  ut
và kiểm định:

1  2  ...  l  0
cho mỗi phương trình ở trên. Giả thuyết H0 là: x không tác động nhân quả Granger lên y
trong phương trình hồi quy ở bên trên và y không tác động nhân quả Granger lên x trong
phương trình hồi quy ở bên dưới. Như vậy, nếu ở phương trình phía trên (y là biến phụ
thuộc), giả thuyết H0 bị bác bỏ nghĩa là x tác động nhân quả Granger lên y.
3.4.2. Phân tích tác động lan tỏa bằng kiểm định nhân quả Granger

Áp dụng phương pháp kiểm định nhân quả Granger vào các chuỗi dữ liệu SSL của S&P
500 (hoặc Nikkei 225, KOSPI) và VN-Index sẽ giúp đánh giá tác động lan tỏa SSL từ thị
trường Mỹ (hoặc Nhật, Hàn Quốc) sang thị trường Việt Nam.
3.5. Phân tích tác động lan tỏa độ biến thiên giữa các thị trường
3.5.1. Ước lượng độ biến thiên bằng mô hình GARCH

Sử dụng mô hình GARCH đã được trình bày ở chương 2 để ước lượng ĐBT tại các
TTCK.
3.5.2. Phân tích tác động lan tỏa độ biến thiên giữa các thị trường

Áp dụng phương pháp kiểm định nhân quả Granger vào các chuỗi dữ liệu ĐBT của S&P
500 (hoặc Nikkei 225, KOSPI) và VN-Index sẽ giúp đánh giá tác động lan tỏa ĐBT từ thị
trường Mỹ (hoặc Nhật, Hàn Quốc) sang thị trường Việt Nam.

14

3.6. Phân tích tác động lan tỏa SSL và độ biến thiên trong miền tần số
3.6.1. Phân tích nhân quả trong miền tần số

Phần này sẽ giới thiệu phương pháp phân tích nhân quả trong miền tần số được đề xuất
bởi Breitung & Candelon (2006), dựa trên các phương pháp của Geweke (1982) và Hosoya
(1991).
Cho 𝑧𝑡 = [𝑥𝑡 , 𝑦𝑡 ]′ là vector chuỗi thời gian 2 chiều với 𝑡 = 1, … 𝑇. Giả sử 𝑧𝑡 được trình
bày dưới dạng phương trình VAR có bậc hữu hạn:
Θ(L)zt = εt
trong đó Θ(L) = I − Θ1 L − ⋯ − Θ1 Lp là đa thức trễ 2 × 2 (2 × 2 lag polynomial) với
Lk zt = zt−k . Giả sử vector lỗi (error vector) εt là nhiễu trắng (white noise) với E(εt ) = 0 và
E(εt ε′t ) = Σ, trong đó Σ xác định dương (positive definite). Tiếp theo, đặt G là ma trận tam
giác bên dưới (lower triangular matrix) của phân tách Cholesky (Cholesky decomposition)
G′ G = Σ −1 , như vậy E(ηt η′t ) = I và ηt = Gεt . Giả sử hệ thống là dừng, khi đó ta biểu diễn
zt dưới dạng MA như sau:
zt = Φ(L)εt = [

Φ11 (L)
Φ21 (L)

Φ12 (L) ε1t
][ ]
Φ22 (L) ε2t

Ψ11 (L)
Ψ21 (L)

Ψ12 (L) η1t

][ ]
Ψ22 (L) η2t

= Ψ ( L) η t = [

Trong đó Φ(L) = Θ(L)−1 và Ψ(L) = Φ(L)G−1 . Hàm mật độ phổ (spectral density) của
xt có dạng:
fx (ω) =
với tần số 𝜔 =

2𝜋
𝑇

1
2
2
{|Ψ11 (e−iω )| + |Ψ12 (e−iω )| }
2π

, trong đó 𝑇 là chu kỳ của chuỗi dữ liệu

Geweke (1982) và Hosoya (1991) đề xuất phương pháp đo nhân quả như sau:

My→x (ω) = log [

2πfx (ω)
]
|Ψ11 (e−iω )|2

15

2

|Ψ12 (e−iω )|
]
= log [1 +
|Ψ11 (e−iω )|2
Ta có My→x (ω) = 0 nếu |Ψ12 (e−iω )| = 0, khi đó, ta kết luận rằng y không là nguyên
nhân của x ở tần số ω.
Breitung và Candelon (2006) đã kiểm định giả thuyết y không là nguyên nhân của x ở
tần số ω qua việc kiểm định giả thuyết không (null hypothesis) như sau:
My→x (ω) = 0
Áp dụng công thức Ψ(L) = Θ(L)−1 G−1 và Ψ12 (L) = −

g22 Θ12 (L)
|Θ(L)|

(trong đó g 22 là phần tử

bên dưới của đường chéo của ma trận G−1 và |Θ(L)| là định thức (determinant) của Θ(L))
để biểu diễn giả thuyết không (null hypothesis) như sau:
p

p

|Θ12 (e−iω )| = |∑ θ12,k cos(kω) − ∑ θ12,k sin(kω)i| = 0
k=1

k=1

trong đó θ12,k là phần tử tại vị trí (1,2) của Θk . Như vậy, điều kiện cần và đủ để
|Θ12 (e−iω )| = 0 là:
p

∑ θ12,k cos(kω) = 0
k=1
p

∑ θ12,k sin(kω) = 0
k=1

Đơn giản đẳng thức trên bằng cách đặt aj = θ11,j và βj = θ12,j . Khi đó, phương trình
VAR cho xt có dạng:
xt = a1 xt−1 + ⋯ + ap xt−p + β1 yt−1 + ⋯ + βp yt−p + ε1t
Giả thuyết My→x (ω) = 0 tương đương với ràng buộc tuyến tính (linear restriction):


16

H0 : R(ω)β = 0
′

Trong đó β = [β1 , … , βp ] và:
R(ω) = [

cos(ω)
sin(ω)

cos(2ω) …

sin(2ω) …

cos(pω)
]
sin(pω)

Giá trị thống kê F thông thường (ordinary F statistic) cho biểu thức xt ở trên xấp xỉ phân
phối F(2, T − 2p) với ω ∈ (0, π). Tương tự như kiểm định nhân quả truyền thống, thống kê
Wald (Wald test statistic) dựa trên ràng buộc tuyến tính trên tiệm cận với phân bố χ2 (2) với
ω ∈ (0, π) (Yanfeng, 2013).
Như vậy, ta có thể sử dụng phân phối χ2 (2) để kiểm định nhân quả 𝑦 tác động lên 𝑥
(kiểm định giả thuyết My→x (ω) = 0) với mỗi tần số ω.
3.6.2. Phân tích lan tỏa SSL trong miền tần số

Áp dụng phương pháp nhân quả trong miền tần số (Breitung & Candelon, 2006) vào các
chuỗi dữ liệu SSL của S&P 500, Nikkei 225, KOSPI và VN-Index sẽ kiểm định được tác
động lan tỏa SSL từ thị trường Mỹ, Nhật và Hàn Quốc sang thị trường Việt Nam tại các
thành phần tần số khác nhau.
3.6.3. Phân tích lan tỏa độ biến thiên trong miền tần số

Áp dụng phương pháp nhân quả trong miền tần số (Breitung & Candelon, 2006) vào các
chuỗi dữ liệu ĐBT của S&P 500, Nikkei 225, KOSPI và VN-Index sẽ kiểm định được tác
động lan tỏa ĐBT từ thị trường Mỹ, Nhật và Hàn Quốc sang thị trường Việt Nam tại các
thành phần tần số khác nhau.


17

CHƯƠNG 4. PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ
NGHIÊN CỨU

4.1. Giới thiệu
4.2. Các chỉ số thị trường trong thời kì nghiên cứu

Nghiên cứu minh họa các chỉ số S&P 500, Nikkei 225, KOSPI và VN-Index trong giai
đoạn nghiên cứu, từ 01/01/2012 đến 31/12/2015. Qua đó, có thể thấy cả bốn thị trường đều
có xu hướng tăng trong giai đoạn này.
4.3. SSL tại các thị trường và thống kê mô tả

Một số kết quả thống kê mô tả của dữ liệu được trình bày trong Bảng 4.1.
Bảng 4.1: Thống kê mô tả của SSL tại các TTCK
S&P500

Nikkei 225

KOSPI

VN-Index

Trung bình (Mean)

0.000466

0.000778

0.000068

0.000478

Trung vị (Median)

0.000195

0.000278

0.000000

0.000101

Độ lệch chuẩn (Std. Dev)

0.007916

0.013154

0.007830

0.011053

Độ nghiêng (Skewness)

-0.256127

-0.356637

0.010041 -0.609907

Độ nhọn (Kurtosis)

5.054130

6.255896

4.601093

5.787362

Nguồn: tính toán của các tác giả
4.4. Kiểm định tác động lan tỏa SSL giữa các thị trường
4.4.1. Kiểm định tính dừng của chuỗi dữ liệu

Các kết quả kiểm định ADF cho thấy các chuỗi dữ liệu là dừng.
4.4.2. Kiểm định lan tỏa SSL giữa các thị trường

Bảng 4.2 cho thấy SSL tại TTCK Mỹ có tác động lan tỏa lên TTCK Việt Nam ở mức ý
nghĩa 1%, TTCK Nhật có tác động lên TTCK Việt Nam ở mức ý nghĩa 10% và TTCK Hàn
Quốc có tác động lên TTCK Việt Nam ở mức ý nghĩa 5%. Các kết quả này phù hợp với
thực tế vì Mỹ là nền kinh tế lớn nhất thế giới, trong khi Nhật và Hàn Quốc là các nền kinh tế
hàng đầu khu vực châu Á nên sẽ có thể ảnh hưởng đến các quốc gia khác, bao gồm cả Việt
Nam. Điều này cũng minh chứng cho sự hội nhập của nền kinh tế Việt Nam. Các kết quả
này cũng phù hợp với nhận định của Tsutsui & Hirayama (2005) rằng hầu hết, nếu không
phải là tất cả các nghiên cứu đưa ra bằng chứng về mối liên hệ giữa các thị trường.


18

Bảng 4.2: Lan tỏa SSL từ TTCK Mỹ, Nhật và Hàn Quốc lên TTCK Việt Nam.
Kiểm định nhân quả Granger
Giả

SSL

tại

TTCK

Mỹ SSL tại TTCK Nhật SSL tại TTCK Hàn Quốc

thuyết H0 không tác động nhân không tác động nhân không tác động nhân quả
quả Granger lên SSL tại quả Granger lên SSL tại Granger
TTCK Việt Nam.
F-

TTCK Việt Nam.

lên

SSL

tại

TTCK Việt Nam.

34.3253

2.51135

2.55941

Bác bỏ ở mức ý nghĩa

Bác bỏ ở mức ý nghĩa

Bác bỏ ở mức ý nghĩa

1%.

10%.

5%.

Statistic
Kết luận

(Không bác bỏ ở mức ý
nghĩa 5%).
Nguồn: tính toán của tác giả.

Ngoài ra, kết quả kiểm định lan tỏa từ TTCK Nhật sang TTCK Việt Nam cho thấy giả
thuyết H0 bị bác bỏ ở mức ý nghĩa 10%, nhưng không bị bác bỏ ở mức ý nghĩa 5%. Kết quả
này cho thấy bằng chứng về tác động lan tỏa SSL chưa thực sự rõ ràng. Như vậy, so với thị
trường Mỹ và Hàn Quốc, thị trường Nhật có tác động lên thị trường Việt Nam ở mức độ tin
cậy kém hơn.
4.5. Kiểm định tác động lan tỏa độ biến thiên giữa các thị trường
4.5.1. Kết quả ước lượng GARCH tại các thị trường

Kết quả kiểm định ADF cho thấy các chuỗi SSL là dừng. Ta có thể dùng mô hình
GARCH để ước lượng ĐBT tại các thị trường. Với ĐBT thu được từ mô hình GARCH,
nghiên cứu đánh giá tính dừng bằng kiểm định ADF, kết quả cho thấy dữ liệu ĐBT là dừng.
4.5.2. Kiểm định tác động lan tỏa độ biến thiên giữa các thị trường.

Kết quả kiểm định lan tỏa ĐBT từ TTCK Mỹ, Nhật và Hàn Quốc sang TTCK Việt Nam
được trình bày trong Bảng 4.3.
Từ kết quả ở Bảng 4.3, ta thấy rằng ĐBT tại TTCK Mỹ và Hàn Quốc có tác động lan tỏa
lên ĐBT tại TTCK Việt Nam. Tuy nhiên, kết quả nghiên cứu cũng chỉ ra rằng ở mức ý
nghĩa 10%, chưa đủ bằng chứng kết luận về tác động lan tỏa ĐBT từ TTCK Nhật sang
TTCK Việt Nam. Như vậy, có thể thấy rằng ĐBT tại TTCK Việt Nam không chịu tác động


19

từ ĐBT tại TTCK Nhật, nghĩa là các cú sốc hay biến động mạnh từ TTCK Nhật sẽ ít ảnh
hưởng đến biến động trên TTCK Việt Nam.
Bảng 4.3: Kiểm định tác động lan tỏa độ biến thiên giữa các thị trường
Kiểm định nhân quả Granger
Giả
thuyết
H0

Độ biến thiên tại TTCK Độ biến thiên tại TTCK Độ biến thiên tại TTCK
Mỹ không tác động nhân Nhật không tác động Hàn

Quốc

không

tác

quả Granger lên độ biến nhân quả Granger lên độ động nhân quả Granger
thiên tại TTCK Việt biến thiên tại TTCK Việt lên độ biến thiên tại
Nam.

F-

TTCK Việt Nam.

Nam.
4.41116

0.54608

3.72983

Bác bỏ ở mức 1%.

Không bác bỏ ở mức

Bác bỏ ở mức 5%.

Statistic
Kết luận

10%.
Nguồn: tính toán của tác giả.
4.6. Lan tỏa SSL trong miền tần số

Bảng 4.4 trình bày kết quả phân tích lan tỏa SSL từ TTCK Mỹ sang TTCK Việt Nam
bằng phương pháp phân tích nhân quả trong miền tần số của Breitung & Candelon (2006).
Kết quả nghiên cứu cho thấy tác động lan tỏa SSL từ TTCK Mỹ sang TTCK Việt Nam ở
tất cả các tần số. Kết quả này phù hợp với kết quả kiểm định bằng bằng phương pháp
Granger cổ điển đã được trình bày ở Bảng 4.2. Kết quả nghiên cứu được trình bày trong

Bảng 4.4 cũng cho thấy giá trị thống kê (χ2 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐) ứng với các thành phần tần số
khác nhau là khác nhau. Đây là một bằng chứng ủng hộ cho nhận định của Granger & Lin
(1995) rằng mối quan hệ nhân quả có thể khác nhau ứng với các thành phần tần số khác
nhau. Tuy nhiên, sự khác biệt này là nhỏ, làm cho giả thuyết H0 bị bác bỏ ở tất cả các thành
phần tần số.


20

Bảng 4.4: Lan tỏa SSL từ TTCK Mỹ sang TTCK Việt Nam trong miền tần số
Giả thuyết H0
SSL tại TTCK Mỹ không tác động nhân quả Granger lên SSL tại
TTCK Việt Nam.
Tần số

Chu kỳ

Giá trị thống kê

ω

T=2π/ω

𝛘𝟐

Kết luận

(ngày)
0.0100

628

31.17

Bác bỏ 𝐻0

0.3567

18

30.69

Bác bỏ 𝐻0

0.7033

9

29.04

Bác bỏ 𝐻0

1.0500

6

25.40

Bác bỏ 𝐻0

1.3967

5

19.97

Bác bỏ 𝐻0

1.7433

4

18.66

Bác bỏ 𝐻0

2.0900

3

22.73

Bác bỏ 𝐻0

2.4367

3

26.23

Bác bỏ 𝐻0

2.7833

2

27.98

Bác bỏ 𝐻0

3.1300

2

28.52

Bác bỏ 𝐻0

Nguồn: tính toán của các tác giả.
Tiếp theo, luận án kiểm định lan tỏa SSL từ TTCK Nhật sang TTCK Việt Nam trong
miền tần số. Do tác động này trong miền thời gian là chưa rõ ràng, nghĩa là giả thuyết H0 bị
bác bỏ ở mức ý nghĩa 10%, nhưng không bị bác bỏ ở mức ý nghĩa 5%, luận án sẽ kiểm định
tác động lan tỏa ở cả mức ý nghĩa 10% và 5% nhằm thu được các kết quả chính xác hơn về
mối quan hệ này. Bảng 4.5 trình bày kết quả phân tích lan tỏa SSL từ TTCK Nhật sang
TTCK Việt Nam trong miền tần số.
Kết quả trong Bảng 4.5 chỉ ra ở mức ý nghĩa 5%, tác động lan tỏa SSL chưa được tìm
thấy ở tất cả các thành phần tần số. Kết quả này phù hợp với kết quả phân tích trong miền
thời gian trong Bảng 4.2. Tuy nhiên, ở mức ý nghĩa 10%, các kết quả này có sự khác biệt.

21

Bảng 4.5: Lan tỏa SSL từ TTCK Nhật sang TTCK Việt Nam trong miền tần số.
Giả thuyết H0
SSL tại TTCK Nhật không tác động nhân quả Granger lên SSL tại
TTCK Việt Nam.
Tần số

Chu kỳ

ω
𝑻=

𝟐𝝅
𝝎

Kết luận

Giá trị thống kê
𝛘𝟐

(ngày)

Mức ý nghĩa 10%

Mức ý nghĩa 5%

(𝛘𝟐 = 𝟒. 𝟔𝟏)

(𝛘𝟐 = 𝟓. 𝟗𝟗)

0.0100

628

2.24

Không bác bỏ 𝐻0

Không bác bỏ 𝐻0

0.3567

18

2.20

Không bác bỏ 𝐻0

Không bác bỏ 𝐻0

0.7033

9

2.13

Không bác bỏ 𝐻0

Không bác bỏ 𝐻0

1.0500

6

2.16

Không bác bỏ 𝐻0

Không bác bỏ 𝐻0

1.3967

5

2.76

Không bác bỏ 𝐻0

Không bác bỏ 𝐻0

1.7433

4

4.23

Không bác bỏ 𝐻0

Không bác bỏ 𝐻0

2.0900

3

5.26

Bác bỏ 𝐻0

Không bác bỏ 𝐻0

2.4367

3

5.49

Bác bỏ 𝐻0

Không bác bỏ 𝐻0

2.7833

2

5.47

Bác bỏ 𝐻0

Không bác bỏ 𝐻0

3.1300

2

5.44

Bác bỏ 𝐻0

Không bác bỏ 𝐻0

Nguồn: tính toán của các tác giả.
Kết quả nghiên cứu được trình bày trong Bảng 4.5 cho thấy giá trị thống kê (χ2 −
𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐) ứng với các thành phần tần số khác nhau là khác nhau. Như vậy, phân tích trong
miền tần số cung cấp nhiều thông tin hơn trong miền thời gian. Trong trường hợp này, mặc
dù phân tích trong miền thời gian chỉ ra tác động lan tỏa SSL từ TTCK Nhật sang TTCK
Việt Nam ở mức ý nghĩa 10%, phân tích trong miền tần số chỉ ra kết luận này chưa đúng với
tất cả các thành phần tần số. Ví dụ, tại tần số ω = 0.35667, tương ứng với chu kỳ xấp xỉ 18
ngày, giá trị thống kê là 2.20; nhưng với tần số 𝜔 = 2.7833; tương ứng với chu kỳ xấp xỉ 2
ngày, giá trị thống kê là 5.47. Khi đó, ở mức ý nghĩa 10%, giả thuyết H0 không bị bác bỏ ở
tần số ω = 0.35667, nhưng bị bác bỏ ở tần số 𝜔 = 2.7833, nghĩa là tồn tại tác động lan tỏa
SSL từ TTCK Nhật sang TTCK Việt Nam ở tần số 𝜔 = 2.7833, nhưng tác động này chưa
được tìm thấy ở tần số 𝜔 = 0.35667. Như vậy, các nhà đầu tư ngắn hạn (chu kỳ đầu tư nhỏ


22

hơn hoặc bằng 3 ngày) nên chú ý theo dõi SSL của Nikkei 225 để có thêm thông tin hỗ trợ
việc ra quyết định, nhưng điểu này là không cần thiết với các nhà đầu tư có chu kỳ dài hơn 3
ngày. Các kết quả này đã ủng hộ cho nhận định của của Granger & Lin (1995) rằng mối

quan hệ nhân quả có thể khác nhau ở các tần số khác nhau. Điều này chỉ ra rằng các nhà đầu
tư có thể có các quyết định đầu tư khác nhau dựa trên chu kỳ đầu tư của mình.
Bảng 4.6: Lan tỏa SSL từ TTCK Hàn Quốc sang TTCK Việt Nam trong miền tần số.
Giả thuyết H0
SSL tại TTCK Hàn Quốc không tác động nhân quả Granger lên
SSL tại TTCK Việt Nam.
Tần số

Chu kỳ

ω
𝑻=

𝟐𝝅
𝝎

Giá trị thống kê

Kết luận

𝛘𝟐

Mức ý nghĩa 5%

(ngày)

(𝛘𝟐 = 𝟓. 𝟗𝟗)

0.0100

628

4.78457935003835

Không bác bỏ 𝐻0

0.3567

18

4.10883449393248

Không bác bỏ 𝐻0

0.7033

9

1.9652536359483

Không bác bỏ 𝐻0

1.0500

6

0.184566517075998

Không bác bỏ 𝐻0

1.3967

5

3.32678406536558

Không bác bỏ 𝐻0

1.7433

4

6.38316809610236

Bác bỏ 𝐻0

2.0900

3

7.96589208064529

Bác bỏ 𝐻0

2.4367

3

8.88393503396178

Bác bỏ 𝐻0

2.7833

2

9.24762577310448

Bác bỏ 𝐻0

3.1300

2

9.33987363447699

Bác bỏ 𝐻0

Nguồn: tính toán của các tác giả.
Bảng 4.6 trình bày kết quả phân tích lan tỏa SSL từ TTCK Hàn Quốc sang TTCK
Việt Nam. Kết quả phân tích cũng cho thấy giá trị thống kê (χ2 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐) ứng với các
thành phần tần số khác nhau là khác nhau, và bổ sung các thông tin cần thiết cho phân tích
trong miền thời gian. Mặc dù kết quả phân tích bằng phương pháp Granger cổ điển cho thấy


23

tác động lan tỏa SSL từ TTCK Hàn Quốc sang TTCK Việt Nam, kết quả phân tích trong
miền tần số cho thấy tác động này chỉ tồn tại ở các thành phần tần số cao. Cụ thể hơn, ở các
thành phần chu kỳ nhỏ hơn hoặc bằng 4 ngày, giả thuyết H0 bị bác bỏ, nhưng với các thành

phần chu kì từ 5 ngày trở lên, giả thuyết H0 không bị bác bỏ. Như vậy, chỉ các nhà đầu tư
ngắn hạn (có chu kỳ đầu tư từ 4 ngày trở xuống) cần quan tâm đến sự thay đổi của SSL trên
TTCK Hàn Quốc để ra quyết định, trong khi điều này không cần thiết với các nhà đầu tư dài
hạn.
4.7. Lan tỏa độ biến thiên trong miền tần số.

Áp dụng phương pháp phân tích nhân quả trên miền tần số của Breitung & Candelon
(2006) để phân tích tác động lan tỏa ĐBT từ TTCK Mỹ sang TTCK Việt Nam, kết quả được
trình bày trong Bảng 4.7:
Bảng 4.7: Lan tỏa độ biến thiên từ TTCK Mỹ sang TTCK Việt Nam trong miền tần số
Giả thuyết H0
ĐBT tại TTCK Mỹ không tác động nhân quả Granger lên ĐBT tại TTCK
Việt Nam
Tần số

Chu kỳ

Giá trị thống kê

Kết luận

ω

T=2π/ω

𝛘𝟐

(mức ý nghĩa 1%)

(ngày)

0.0100

628

11.8668

Bác bỏ 𝐻0

0.3567

18

11.7296

Bác bỏ 𝐻0

0.7033

9

11.8028

Bác bỏ 𝐻0

1.0500

6

12.4992

Bác bỏ 𝐻0

1.3967

5

12.9171

Bác bỏ 𝐻0

1.7433

4

13.0733

Bác bỏ 𝐻0

2.0900

3

13.1357

Bác bỏ 𝐻0

2.4367

3

13.1633

Bác bỏ 𝐻0

2.7833

2

13.1756

Bác bỏ 𝐻0

3.1300

2

13.1792

Bác bỏ 𝐻0

Nguồn: tính toán của các tác giả.
Kết quả nghiên cứu được trình bày trong Bảng 4.7 cho thấy giá trị thống kê ứng với các
thành phần tần số khác nhau là khác nhau. Tuy nhiên, trong trường hợp này, sự khác biệt