ẢNH HƯỞNG của các yếu tố KINH tế vĩ mô đến CHỈ số GIÁ CHỨNG KHOÁN VIỆT NAM

ẢNH HƯỞNG CỦA CÁC YẾU TỐ KINH TẾ VĨ MÔ
ĐẾN CHỈ SỐ GIÁ CHỨNG KHOÁN VIỆT NAM
Ngày nhận:
03/9/2014
Ngày nhận lại:
14/4/2015
Ngày duyệt đăng: 10/5/2015
Mã số:
5-15-43

Nguyễn Thò Bảo Trân (*)
Lê Quang Minh (**)
Võ Đình Vinh (***)

Tóm tắt: Ứng dụng phương pháp kiểm đònh đồng liên kết (Johansen co-integration
test) và mô hình hiệu chỉnh sai số (Vector Error Correction Model - VECM), bài
viết nghiên cứu mối quan hệ đa chiều giữa thò trường chứng khoán (TTCK) Việt
Nam và các yếu tố kinh tế vó mô (lạm phát, tỷ giá, sản lượng công nghiệp, cung
tiền, lãi suất ngắn hạn và lãi suất dài hạn). Dữ liệu được thu thập trong giai
đoạn từ tháng 7/2006-02/2014. Nghiên cứu tìm thấy phương trình cân bằng dài
hạn và hệ các phương trình cân bằng ngắn hạn giữa biến VN-Index và các chỉ
số kinh tế vó mô, qua đó kết luận rằng chỉ số VN-Index biến động cùng chiều
với tỷ giá, sản lượng công nghiệp, cung tiền, lãi suất dài hạn; biến động ngược
chiều với lạm phát, lãi suất ngắn hạn. Chỉ số lãi suất dài hạn có ý nghóa giải
thích sự biến động của VN-Index lớn nhất so với các chỉ số vó mô xem xét. Kết
quả nghiên cứu cho biết tốc độ điều chỉnh của chỉ số chứng khoán về cân bằng
dài hạn khi có cú sốc từ các biến vó mô là rất chậm, khoảng 3,08%/tháng.
Từ khóa: Thò trường chứng khoán, chỉ số kinh tế vó mô, kiểm đònh đồng liên
kết, mô hình hiệu chỉnh sai số.

Đặt vấn đề

Từ thá n g 11/2012, thò trườ n g chứ n g khoá n
Việ t Nam có nhiề u triể n vọ n g tích cự c khi
VN-Index tính đế n thá n g 12/2013 tă n g đế n
34,76% so vớ i thá n g 11/2012, tă n g thê m
25,72% trong 8 thá n g đầ u nă m 2014 (so vớ i
cuố i nă m 2013). Theo Bá o cá o chiế n lượ c
nă m 2014 củ a Cô n g ty Chứ n g khoá n Bả n
Việ t , lý do cơ bả n đượ c đưa ra là kinh tế vó
mô ổ n đònh và thu nhậ p trê n cổ phiế u dự
kiế n tă n g khá khiế n TTCK Việ t Nam trở
nê n hấ p dẫ n đố i vớ i nhiề u nhà đầ u tư.
Tác động của các yếu tố kinh tế vó mô lên TTCK
là một chủ đề nghiên cứu khá phổ biến và nhận
được nhiều sự quan tâm từ các nhà kinh tế, các
nhà nghiên cứu, cũng như các nhà hoạch đònh
chính sách. Đặc biệt từ sau khi Johansen và
Juselius (1990) đưa ra phương pháp kiểm đònh
đồng liên kết để kiểm tra mối quan hệ dài hạn

giữa các biến, phương pháp này đã được áp
dụng rộng rãi trong các nghiên cứu về chủ đề
này. Mukherjee và Naka (1995) đã tìm thấy
liên kết dài hạn giữa TTCK Nhật với nhóm 6
biến vó mô (lạm phát, tỷ giá, sản lượng công
nghiệp, cung tiền, lãi suất liên ngân hàng ngắn
hạn và lãi suất trái phiếu chính phủ dài hạn),
cũng như các phương trình cân bằng ngắn hạn
với 7 biến trên giúp dự báo các biến trong ngắn
hạn. Kwon và Shin (1999) đã tìm thấy rằng
TTCK Hàn Quốc đồng liên kết với nhóm các

biến vó mô là tỷ giá, sản lượng công nghiệp,
cung tiền, cán cân thương mại. Nghiên cứu của
Wongbangpo và Sharma (2002) tìm thấy mối
liên kết giữa các yếu tố vó mô (lạm phát, tỷ
giá, GNP, cung tiền, lãi suất) và TTCK 5 nước
Indonesia, Malaysia, Philippines, Singapore và
Thái Lan. Maysami, Howe và Hamzah (2004)
nghiên cứu TTCK Singapore trong mối quan hệ
với các biến lạm phát, tỷ giá, sản lượng công
nghiệp, cung tiền, lãi suất ngắn hạn, lãi suất

Số 110 Tháng 5/2015

43


dài hạn và cho kết quả tương tự. Gan, Lee,
Yong và Zhang (2006) tìm ra ả nh hưở ng của
lạm phát, tỷ giá , GDP, cung tiề n, lãi suất
ngắn hạn, lãi suấ t dà i hạ n và giá dầu bán
lẻ đến TTCK New Zealand. Ratanapakorn và
Sharma (2007) cho thấy TTCK Mỹ (đại diện là
chỉ số S&P 500) tương quan với 6 biến vó mô
(chỉ số S&P 500 nghòch biến với lạm phát, tỷ
giá, sản lượng công nghiệp, cung tiền, lãi suất
ngắn hạn và tương quan đồng biến với lãi suất
dài hạn. Ratneswary và Rasiah (2010) cho thấy
mối quan hệ dài hạn và ngắn hạn giữa TTCK
Malaysia với các biến vó mô là lạm phát, tỷ
giá, sản lượng công nghiệp, cung tiền…

Nghiê n cứ u nà y nhằ m xem xé t liệ u cá c kế t
quả thự c nghiệ m củ a nhữ n g nghiê n cứ u trướ c
đâ y trê n thế giớ i có phù hợ p vớ i TTCK Việ t
Nam hay khô n g. Bằ n g phương phá p kiể m
đònh đồ n g liê n kế t , bà i viế t sẽ trả lờ i hai
câ u hỏ i : (1) Chỉ số kinh tế vó mô nà o có ý
nghóa trong mô hình tương tá c vớ i chỉ số
VN-Index? và (2) Mứ c độ ả n h hưở n g củ a cá c
tá c độ n g nà y ra sao?
Tổng quan cá c nghiê n cứ u thự c nghiệm
về mối quan hệ giữ a cá c biế n kinh tế vó
mô và thò trườ ng chứ ng khoá n
Mối quan hệ giữ a lạ m phá t và chỉ số
chứng khoán
Sử dụng kiểm đònh đồ ng liê n kế t và mô hình
véc tơ hiệu chỉnh sai số , nhiề u nghiên cứu
trên thế giới đã chỉ ra mố i quan hệ ngược
chiều giữa lạm phá t và giá chứ ng khoán như
Boyd, Levine và Smith (2001), Fama (1981),
Fama và Schwert (1977), Gan và ctg (2006),
Geske và Roll (1983), Kim (2003), Mukherjee
và Naka (1995), Nelson (1976). Nguyễ n Minh
Kiều và Nguyễ n Vă n Điệ p (2013) và Nguyễn
Hữu Tuấn (2011) cù ng thự c hiệ n nghiên cứu
tương tự tại Việ t Nam, kế t quả nghiên cứu
cũn g thống nhấ t vớ i cá c nghiê n cứ u ở các
quốc gia khác. Cá c tá c giả nà y lậ p luận khi
lạm phát gia tă ng, vớ i chi phí đầ u vào sẽ
cao hơn, doanh thu và lợ i nhuậ n cô ng ty sẽ

44

Số 110 Tháng 5/2015

bò giảm nếu giá đầu ra tăng với tốc độ thấ p
hơn. Mặt khác, chính sách thắt chặt tiề n tệ
có thể được ban hành để kiềm chế lạm phá t,
từ đó lãi suất phi rủi ro bò tác động tăng lê n,
kéo theo hậu quả là TTCK trở nên kém hấ p
dẫn hơn. Những lập luận trên là lý do dẫ n
đến giả thuyết chỉ số chứng khoán biến độ ng
ngược chiều với lạm phát.
Mối quan hệ giữa tỷ giá và chỉ số
chứng khoán
Mối quan hệ giữa TTCK và tỷ giá được giả
thuyết là cùng chiều vì biến động tỷ giá ảnh
hưởng đến giá trò công ty thông qua những
thay đổi về sức cạnh tranh của doanh nghiệp
trên thò trường quốc tế, cũng như giá trò tài
sản và nợ phải trả của doanh nghiệp được trò
giá dựa trên ngoại tệ, từ đó ảnh hưởng đến lợi
nhuận cuối cùng và giá trò vốn chủ sở hữu của
doanh nghiệp (Madura, 2006). Mặt khác, nhiều
nghiên cứu trên thế giới đã đề xuất mối quan
hệ giữa TTCK và những thay đổi trong tỷ giá
hối đoái là mối quan hệ dương như Maysami
và ctg (2004), Maysami và Koh (2000), Mukherjee
và Naka (1995), Ratanapakorn và Sharma
(2007), Ratneswary và Rasiah (2010).
Mối quan hệ giữa sản xuất công nghiệ p

và chỉ số chứng khoán
Sả n lượ n g cô n g nghiệ p đượ c sử dụ n g như
là mộ t biế n thay thế (proxy) cho cá c hoạ t
độ n g kinh tế thự c , bở i tính phả n á n h chu kỳ
kinh doanh. Sả n lượ n g cô n g nghiệ p tă n g lê n
trong thờ i kỳ kinh tế phá t triể n và ngượ c
lạ i . Sự gia tă n g trong sả n xuấ t cô n g nghiệ p
là mộ t dấ u hiệ u cho thấ y doanh số bá n hà n g
và lợ i nhuậ n củ a cá c cô n g ty tă n g trưở n g,
do đó cổ phiế u đượ c kỳ vọ n g sẽ tă n g theo
tương ứ n g. Nhiề u nghiê n cứ u trê n thế giớ i
cho thấ y mố i quan hệ giữ a sả n xuấ t cô n g
nghiệ p và TTCK là dương như Fama (1981),
Fama, French (1990), Gan và ctg (2006),
Geske và Roll (1983), Gjerde và Saettem
(1999), Kim (2003), Maysami và ctg (2004),
Nasseh và Strauss (2000), Quayes và Jamal (2008),


Ratanapakorn và Sharma (2007), Ratneswary
và Rasiah (2010). Do đó, bài nghiên cứu đề xuất
giả thuyết sản lượng công nghiệp có ảnh hưởng
tích cực đến TTCK.
Mối quan hệ giữ a cung tiề n và chỉ số
chứng khoán
Hiệu ứng ảnh hưởng của những thay đổi trong
cung tiền đến TTCK có thể được giải thích
thông qua sự tác động thay đổi trực tiếp danh
mục đầu tư và những biến đổi gián tiếp của các
hoạt động kinh tế thực. Đặc biệt, với giả đònh

về tính ưa thích thanh khoản của nhà đầu tư,
một chính sách mở rộng cung tiền sẽ dẫn đến
các mức lãi suất được kỳ vọng giảm đi, từ đó
giá cổ phiếu được kỳ vọng tăng lên. Ngoài ra,
lợi nhuận các doanh nghiệp và nền kinh tế
thường được kích thích phát triển bởi chính
sách tiền tệ mở rộng trên. Theo các kết quả
thực nghiệm, các lập luận này được chứng thực
bởi Fama (1981), Kwon và Shin (1999), Maysami
và Koh (2000), Mukherjee và Naka (1995),
Ratneswary và Rasiah (2010). Tạ i thò trường
Việt Nam, nghiê n cứ u củ a Nguyễ n Minh Kiều
và Nguyễn Văn Điệ p (2013) và Nguyễ n Hữu
Tuấn (2011) cũ ng tìm thấ y kế t luậ n tương tự.
Do đó, mối quan hệ giữ a TTCK và cung tiền
được giả đònh là cù ng chiề u.
Mối quan hệ giữ a lã i suấ t và chỉ số
chứng khoán
Về lý thuyết, mối quan hệ giữa giá cổ phiếu
và lãi suất được điều chỉnh bởi sự thay đổi
của các nhà đầu tư trong danh mục đầu tư, bao
gồm tỷ lệ phân bổ đầu tư vào các trái phiếu và
các cổ phiếu. Hầu hết các nhà đầu tư sẽ thích
đầu tư vào trái phiếu hơn nếu lãi suất tăng,
nói cách khác giá cổ phiếu sẽ giảm. Ở mức lãi
suất thấp, sự tiêu dùng trong nền kinh tế được
kỳ vọng tăng lên. Điều này sẽ có tác động tích
cực đến doanh số và lợi nhuận dự kiến của
công ty trong tương lai. Mặt khác, phần lớn
các công ty tài trợ tài sản của mình bằng tiền

vay, vì vậy giảm lãi suất sẽ giúp giảm chi phí
vốn cho công ty. Nói cách khác, khi đó việc

đầu tư vào TTCK trở nên hấp dẫn hơn. Vì vậy,
nhóm tác giả đưa ra giả thuyết rằng TTCK và
lãi suất (bao gồm lãi suất dài hạn và ngắn
hạn) biến động ngược chiều với nhau. Một số
nghiên cứu có kết luận tương tự như Gjerde
và Saettem (1999), Kim (2003), Maysami và
ctg (2004), Maysami và Koh (2000), Mukherjee
và Naka (1995), Nasseh và Strauss (2000),
Ratanapakorn và Sharma (2007).
Phương pháp nghiên cứu
Dữ liệu nghiên cứu
Nhằm xây dựng một mô hình tương tá c đa
chiều biểu thò mối quan hệ giữa TTCK và cá c
chỉ số kinh tế vó mô được giả đònh ở trê n,
bài viết nghiên cứu trên dãy số liệu từ thá ng
7/2006-02/2014 (92 quan sát với mỗi biế n),
bao gồm các biến sau:
- VNI: Chỉ số đóng cửa các ngày cuối thá ng
của VN-Index (tháng 7/2000 = 100), nguồ n
Datastream Thomson Reuters.
- CPI: Chỉ số giá tiêu dùng của tháng (nă m
gốc 2009 = 100) sau khi hiệu chỉnh yế u tố
mùa vụ, nguồn Datastream Thomson Reuters.
- E: Tỷ giá các ngày cuối tháng (VND/USD),
nguồn Datastream Thomson Reuters.
- IO: Sản lượng công nghiệp theo tháng (triệu
đồng) sau khi hiệu chỉnh yếu tố mùa vụ (thay

thế cho biến GDP tần suất tháng không có sẵn
trong thống kê), nguồn Tổng cục Thống kê.
- M2: Tỷ lệ tăng trưởng cung tiền mở rộng
(liquidity aggregates, %), nguồn International
Monetary Fund.
- SIR: Lãi suất liên ngân hàng kỳ hạn 3 tháng
(%, lấy ngày cuối tháng), nguồn Datastream
Thomson Reuters.
- LIR: Lãi suất trái phiếu kỳ hạn 1 năm (%,
lấy ngày cuối tháng), nguồn Bloomberg.

Số 110 Tháng 5/2015

45


Biến

VNI

Bảng 1: Thống kê mô tả các biến
CPI
E
IO
M2

SIR

LIR

Trung bình

535,4600

113,3400 18733,6000

83135,7000

26,7200

9,9100

9,5300

Trung vò

480,3700

108,1000 18962,5000

64815,3000

25,1000

8,6600

8,7800

1137,6900

157,4300 21170,0000

187540,2000

47,2000

19,4200

21,0000

245,7400

70,8800 15930,0000

43586,2000

9,8000

4,3500

5,8800

204,0800

27,6400

2039,5000

41300,8000

9,7800

3,3900

2,9200

Độ nghiêng

1,5935

0,0473

-0,15370

1,2078

0,3320

0,7803

1,4532

Độ dày

4,6230

1,6842

1,3665

3,1917

2,1458

3,1080

5,5872

Hệ số
tương quan

1,0000

-0,5352

-0,5379

-0,2901

0,7121

-0,3137

-0,3975

Giá trò
lớn nhất
Giá trò
nhỏ nhất
Độ lệch

chuẩn

Bả n g 1 cung cấ p thô n g tin thố n g kê mô tả
cá c biế n đượ c sử dụ n g trong nghiê n cứ u nà y .
Ướ c lượ n g thố n g kế độ nghiê n g (Skewness)
trê n cá c dã y số cho thấ y phâ n bổ dữ liệ u
củ a biế n tỷ giá lệ c h về phía trá i , cá c biế n
cò n lạ i lệ c h về phía phả i . Bê n cạ n h đó , ướ c
lượ n g thố n g kê độ dà y (Kurtosis) thể hiệ n
rằ n g cá c dã y số đề u có phâ n phố i vớ i đuô i
dà y hơn phâ n phố i chuẩ n . Ngoà i ra, dự a
trê n phâ n tích sơ bộ về tính tương quan giữ a
VN-Index vớ i cá c yế u tố vó mô cò n lạ i qua
hệ số tương quan (correlation) cũ n g cho thấ y
rằ n g cá c yế u tố kinh tế vó mô có tá c độ n g
đế n biế n độ n g củ a chỉ số chứ n g khoá n .
Phương pháp nghiê n cứ u
Chuỗi thời gian (time series) có thể được xem
là tạo ra từ mộ t quá trình ngẫ u nhiê n. Một
tính chất của quá trình ngẫ u nhiê n được các
nhà phân tích đặ c biệ t quan tâ m là tính dừng.
Các mô hình hồ i quy cổ điể n theo phương
pháp bình phương bé nhấ t (Ordinary Least
Square - OLS) đượ c á p dụ ng cho cá c chuỗi dữ
liệu có tính dừ ng (stationary series), khi các
biến trong mô hình là khô ng dừ ng thì các
giả thuyết của phương phá p OLS bò vi phạm,
các kiểm đònh t, F mấ t hiệ u lự c, ướ c lượng
và dự báo không hiệ u quả . Mặ t khá c, nếu mô
hình tồn tại ít nhấ t mộ t biế n độ c lậ p có cùng

xu thế với biến phụ thuộ c, khi ướ c lượng mô
hình ta có thể thu đượ c cá c hệ số có ý nghóa
2
thống kê và hệ số xá c đònh R rấ t cao, nhưng

46

Số 110 Tháng 5/2015

nguyên nhân có thể là do hai biến nà y có
cùng xu thế chứ không phải do chúng tương
quan chặt chẽ với nhau, đây là hiện tượ ng
hồi quy giả mạo khi các biến trong mô hình
là không dừng. Do đó, vì các biến sử dụ ng
trong mô hình là các chuỗi số liệu thời gian
nên nhóm tác giả sẽ kiểm đònh tính dừ ng
của từng biến sử dụng trong mô hình. Cá c
chuỗi số liệu đưa vào kiểm tra là các chuỗ i
dữ liệu thô ban đầu được thu thập, có đơn vò
như phần mô tả ở trên.
Phương pháp được sử dụng để kiểm đònh tính
dừng là ADF (Augemented Dickey-Fuller test)
và PP (Phillips - Perron test). Với chuỗi dữ liệu
không dừng sẽ được tiến hành lấy sai phân,
sau d lần lấy sai phân thì chuỗi đó sẽ dừng.
Nếu các biến dừng tại các bậc khác nhau,
bài nghiên cứu sẽ dùng mô hình VAR (Vector
Auto Regression) để mô tả những biến độ ng
của các biến trong mối liên hệ với nhau. Vớ i
Xt=(VNIt, CPI t, E t, IO t, M2 t, SIR t, LIR t) là

véc tơ (7 x 1), T là số quan sát thì mô hình
VAR có dạng:
k

Xt = Φ Dt + ∑ Aj Xt-i + ut

(t=1, ...T)

i=1

Hệ các mô hình hiệu chỉnh sai số (VECM) là
một trường hợp đặc biệt của mô hình VAR,
được sử dụng trong trường hợp các biến dừng
tại cùng một bậc và tồn tại mối liên hệ đồng
liên kết. Do vậy, sau khi kiểm tra tính dừng,


nếu xảy ra trường hợp tất cả các biến cùng
dừng ở một bậc thì nhóm tác giả sẽ tiến hành
kiểm đònh đồng liên kết Johansen (Johansen
cointegration test).

hình hiệ u chỉnh sai số VECM có dạ n g chuẩ n
tắ c sau:

Engle và Granger (1987) đã đưa ra khái niệm về
đồng liên kết (cointegration) như sau: Các biến
xit (x1t, x2t, ..., xnt) được gọi là đồng liên kết nếu:

Trong đó: Δ là ký hiệu sai phân bậc 1 củ a

các biến (giả sử các biến xit cùng dừng ở bậc 1),
α là hệ số của biến điều chỉnh sai số chỉ tốc
độ mà các điều chỉnh ngắn hạn tiếp cận đế n
trạng thái cân bằng dài hạn. Nếu giá trò
tuyệt đối của α càng lớn thì quá trình điề u
chỉnh diễn ra càng nhanh.

- Tất cả các biế n x it đề u dừ ng cù ng một bậc
d (với d > 0).
- Tồn tại véc tơ (β 1, β 2, ..., βn) sao cho e t = β 1
x1t + β2 x2t + ... + βn xnt = 0
Phần dư et gọi là sai số câ n bằ ng (equilibrium
error), với các đặ c tính củ a mộ t chuỗ i dừng.
Nếu kiểm đònh cho kế t quả là giữ a cá c biến
(VNI, CPI, E, IO, M2, SIR, LIR) tồ n tại một
mối quan hệ dà i hạ n, tứ c trong dà i hạn nền
kinh tế sẽ đạt trạ ng thá i câ n bằ ng sau:
et = VNI t + α + β 1CPIt + β 2E t + β 3IOt + β 4M2t
+ β 5SIRt + β6LIRt = 0 (1)
Khi đó, nhóm tá c giả sẽ tìm cá c mố i quan hệ
trong ngắn hạn giữ a cá c biế n thô ng qua hệ
các mô hình hiệ u chỉnh sai số (VECM):
Phầ n dư e t có xu hướ n g tiế n về 0 trong dà i
hạ n , nhưng trong ngắ n hạ n e t ≠ 0, lú c nà y
e t đó n g vai trò là biế n điề u chỉnh sai số
(error correction term) trong từ n g phương
trình câ n bằ n g ngắ n hạ n trong hệ cá c mô

k-1

ΔXt = ∑ Гi ΔXt-i + α et-1 + ut
i=1

Cuối cùng, các kết quả đònh lượng nghiê n
cứu tìm thấy sẽ được củng cố lại bằng phâ n
tích hàm phản ứng đẩy (Impulse Response
Function) và phương pháp phân rã phương
sai (Variance Decomposition).
Kết quả nghiên cứu và thảo luận
Kết quả nghiên cứu
Bằng các phương pháp kiểm tra tính dừ ng
của chuỗi dữ liệu là ADF và PP, kết quả
Bảng 2 cho thấy tất cả các biến được xem
xét đưa vào mô hình (ở mức level) đều khô ng
dừng, nhưng sau khi lấy sai phân thì các biế n
đều cùng dừng tại sai phân bậc 1. Do vậy, bà i
nghiên cứu sẽ tiếp tục thực hiện kiểm đònh
đồng liên kết để tìm mối quan hệ dài hạ n
giữa các biến.
Việc lựa chọn độ trễ tối ưu cho mô hình là
một trong các điều kiện cần được thực hiện

Bảng 2: Kiểm tra tính dừng của biến
ADF (giá trò thống kê t)
PP (giá trò thống kê t)

Biến

Level

Sai phân bậc 1

Level

Sai phân bậc 1

VNI

-1,9320

-7,1610*

-2,2930

-7,0870*

CPI

-2,9250

-3,3670*

-2,2940

-3,4540*

E

-1,4760

-9,5530*

-1,3760

-9,6570*

IO

1,1980

-10,1660*

0,5120

-18,7440*

M2

-3,3110

-7,1710*

-2,6850

-7,5090*

SIR

-2,6390

-5,3160*

-2,1280

-5,3120*

LIR

-2,0390

-6,1990*

-2,4880

-5,9230*

Ghi chú: * có ý nghóa ở mức 5%

Số 110 Tháng 5/2015

47


trước khi thực hiện kiểm đònh đồng liên kết,
bằng cách ứng dụng mô hình VAR cho các biến
với độ trễ tối đa là 8. Dựa trên các tiêu chuẩn
thông tin là AIC (Akaike Information Criterion) và SC (Schwarz Information Criterion), giá
trò thấp nhất của tiêu chuẩn thông tin cho biết
độ trễ tối ưu của mô hình. Tiêu chuẩn AIC và
SC đề xuất hai độ trễ tối ưu khác nhau (Bảng

3), tuy nhiên tiêu chuẩn SC sẽ được ưu tiên lựa
chọn trong bài nghiên cứu này bởi tiêu chuẩn
SC thường chọn mô hình phù hợp với một độ
trễ tối ưu thấp hơn. Lý do là nếu lựa chọn độ
trễ quá dài sẽ làm mất các bậc tự do trong mô
hình và gây ra vấn đề đa cộng tuyến. Do vậy,
độ trễ tối ưu của mô hình là 1, tức là giá trò
của các biến hiện tại sẽ chòu tác động của giá
trò của các biến một tháng trước đó.

Trong kết quả kiểm đònh đồng liên kết Johansen,
bao gồm kết quả kiểm đònh vết ma trận (trace
test) và kiểm đònh giá trò riêng cực đại của
ma trận (maximal Eigenvalue test) cho biết số
véc tơ đồng liên kết; đồng thời cho biết giá trò
của các hệ số trong véc tơ đồng liên kết. Kết
quả kiểm đònh Johansen được nhóm tác giả
tách ra trình bày trong Bảng 4 và 5. Bảng 4
cho thấy, cả hai kiểm đònh đều chấp nhận giả
thuyết tồn tại 1 véc tơ đồng liên kết. Giá trò
các hệ số trong véc tơ đồng liên kết (có dạng
phương trình (1)) được trình bày trong Bảng 5.
Nhằm mục đích nhận xét dấu tương quan củ a
biến VN-Index với từng biến còn lại trong
mô hình, kết quả Bảng 5 có thể được diễ n
giải thành phương trình cân bằng dài hạ n
(2) sau (bằng cách giữ biến VNI nguyên ở vế
trái và chuyển phần còn lại sang vế phả i củ a
phương trình):

Căn cứ vào độ trễ được lựa chọn, bài nghiên cứu
thực hiện kiểm đònh đồng liên kết Johansen.

Bảng 3: Lựa chọn độ trễ tối ưu
Độ trễ

8

7

6

5

4

3

2

1

AIC

54,6080*

54,9250

55,3970

55,7260

55,5990

55,3870

55,0570

55,9020

SC

66,1540

65,0530

64,1080

63,0180

61,4730

59,8430

58,0960

57,5220*

Ghi chú: * độ trễ được lựa chọn theo tiêu chuẩn

Bảng 4: Kiểm đònh đồng liên kết
Giả thiết H0 Giả thiết H1

λtracetests

Giá trò tới hạn

α = 5%

Kết luận

λtracevalue

r=0

r>0

177,2520*

150,5590

Bác bỏ H0

r≤1

r>1

122,0990*

117,7080

Bác bỏ H0

r≤2

r>2

86,9490

88,8040

Chấp nhận H0

Bác bỏ H0
Chấp nhận H0

λmaxtests

λmaxvalue

r=0

r=1

55,1530*

50,6000

r=1

r=2

35,1500

44,4970

Ghi chú: * bác bỏ giả thuyết H0 ở mức ý nghóa 5%

Bảng 5: Véc tơ đồng liên kết từ kiểm đònh Johansen
VNI

CPI

E

IO

M2

SIR

LIR

Trend

C

1

87,9990

-1,4430

-0,0460

-66,6240

492,5030

-838,8380

74,8340

21796,2600

(39,5100)

(0,2600)

(0,0100)

(20,6000) (97,2900) (110,7100) (34,0200)

[2,2300]* [-5,6600]* [-4,4300]* [-3,2300]* [5,0600]*

[-7,5800]*

[2,2000]*

Ghi chú: Giá trò thống kê t thể hiện trong [] và * biểu thò mức ý nghóa 5%. Biến Trend thể hiện trong mô hình đại diện

cho tính xu hướng của chuỗi dữ liệu.

48

Số 110 Tháng 5/2015


VNIt = -87,999CPIt + 1,443Et + 0,046IOt
+ 66,624M2t - 492,503SIRt + 838,838LIRt 74,834TREND - 21796,26 (2)

et = VNIt + 87,999CPIt - 1,443Et - 0,046IOt
- 66,624M2t + 492,503SIRt - 838,838LIRt +
74,834TREND + 21796,26 (3)

Trong phương trình câ n bằ ng trê n, biến CPI
ý nghóa ở mức 5%, cá c biế n cò n lạ i (tỷ giá,
sản lượn g công nghiệ p, cung tiề n, lã i suất
ngắn hạn và dà i hạ n) có ý nghóa ở mức 1%.
Mỗi một sự điề u chỉnh trong ngắ n hạ n được
đề xuất bởi hệ cá c mô hình hiệ u chỉnh sai
số (VECM). Biế n điề u chỉnh sai số e t được
trình bày:

Từ biế n e t đượ c xá c đònh như phương trình
(3) trê n , hệ cá c phương trình hiệ u chỉnh
sai số (VECM) đượ c ghi nhậ n trong Bả n g 6.
Trong từng phương trình cân bằng ngắn hạ n,
ngoại trừ biến hiệu chỉnh sai số, các biến cò n
lại được hiệu chỉnh về dạng sai phân bậ c 1,
ký hiệu Δ (vì các biến xem xét đều dừn g ở

Bảng 6: Các phương trình cân bằng trong ngắn hạn
ECM
et-1

ΔVNIt-1

ΔCPIt-1

ΔEt-1

ΔIOt-1

ΔM2t-1

ΔSIRt-1

ΔLIRt

C

ΔVNIt

ΔCPIt

ΔEt

ΔIOt

ΔM2t

ΔSIRt

ΔLIRt

-0,0308

0,0001

0,0938

-0,1088

0,0002

-0,000001

0,0008

(0,0090)

(0,0001)

(0,0300)

(0,6860)

(0,0004)

(0,0001)

(0,0002)

[-3,2800]*

[ 1,0500]

[ 3,0700]*

[-0,1600]

[ 0,6300]

[-0,0100]

[ 5,0200]*

0,1782

-0,0001

-0,0680

1,9709

0,0113

0,0005

0,0035

(0,1110)

(0,0010)

(0,3620)

(8,1350)

(0,0040)

(0,0010)

(0,0020)

[ 1,6000]

[-0,0700]

[-0,1900]

[-0,2400]

[ 2,7200]*

[ 0,3600]

[ 1,9100]

-14,1449

0,7059

-16,9655

632,4813

-0,5015

0,1263

0,2207

(9,4630)

(0,0930)

(30,7660)

(692,1020)

(0,3350)

(0,1250)

(0,1550)

[-1,4900]

[7,6100]*

[-0,5500]

[ 0,9100]

[-1,4100]

[ 1,0100]

[ 1,4200]

0,0085

0,0007

0,0049

-2,5182

-0,0016

-0,0006

0,0004

(0,0380)

(0,0004)

(0,1220)

(2,7450)

(0,0010)

(0,0005)

(0,0006)

[0,2300]

[1,9400]

[-0,0400]

[ -0,9200]

[-1,1400]

[-1,1300]

[0,5800]

0,0003

-0,0000005

0,0012

-0,4395

0,00001

0,000004

0,00003

(0,0010)

(0,00001)

(0,005)

(0,106)

(0,00005)

(0,00002)

(0,00002)

[0,2200]

[-0,0300]

[0,2400]

[-4,1500]*

[0,1800]

[0,2200]

[ 1,3200]

1,8196

-0,0498

0,2831

-106,1740

0,1574

-0,0680

-0,0565

(2,6750)

(0,0260)

(8,6960)

(195,6270)

(0,1000)

(0,0350)

(0,0440)

[ 0,6800]

[-1,9000]

[0,0300]

[-0,5400]

[ 1,5700]

[-1,9300]

[-1,2900]

6,0285

0,0551

-4,3449

-1430,0600

-0,4019

0,1015

-0,0856

(9,2230)

(0,0900)

(29,9840)

(674,5060)

(0,3460)

(0,1210)

(0,1510)

[ 0,6500]

[0,6100]

[-0,1400]

[-2,1200]*

[-1,1600]

[ 0,8400]

[-0,5700]

-9,4653

0,02140

63,8270

394,7050

0,2576

0,4400

0,7594

(8,4690)

(0,0830)

(27,5340)

(619,3920)

(0,3180)

(0,1120)

(0,1390)

[-1,1200]

[0,2600]

[ 2,3200]*

[0,6400]

[ 0,8100]

[ 3,950]*

[ 5,4700]*

14,0061

0,2232

70,5360

1766,3190

0,3679

-0,1342

-0,3009

(12,0650)

(0,1180)

(36,2220)

(882,3440)

(0,4520)

(0,1590)

(0,1980)

[ 1,1600]

[ 1,8900]

[ 1,8000]

[ 2,0000]*

[0,8100]

[-0,8400]

[-1,5200]

Ghi chú: Giá trò thống kê t thể hiện trong [] và * biểu thò mức ý nghóa 5%.
thức xác đònh bởi ΔYt = Yt - Yt-1

Δ

thể hiện sai phân bậc 1 của biến, với công

Số 110 Tháng 5/2015

49


bậc 1, nên biến đưa vào mô hình VECM phải
được đưa về dạng sau khi đã lấy sai phân bậc 1).
Bởi vì tồn tạ i nhữ ng khó khă n nhất đònh
trong việc diễn giả i kế t quả củ a hệ mô hình
VECM, nên bà i nghiê n cứ u sẽ phâ n tích hàm
phản ứn g đẩy và phâ n rã phương sai để minh
họa rõ hơn sự biế n độ ng củ a VN-Index từ
nhữn g thay đổ i củ a cá c tá c nhâ n vó mô trong
giai đoạn quan sá t 10 thá ng.
Hà m phả n ứng đẩy (Impulse Response
Function): Hình 1 vẽ ra đườ ng biế n động của
VN-Index trướ c từ ng tá c nhâ n ả nh hưởng:
với giả đònh khi 1 biế n vó mô bấ t kỳ thay đổi
1 S.D (độ lệch chuẩ n, standard deviation),
các biến còn lạ i khô ng đổ i thì biế n VN-Index
sẽ phản ứng lạ i như thế nà o và trong bao lâu
thì VN-Index ổ n đònh trở lạ i. Kế t quả phân
tích cho thấy khi VN-Index được thay đổi 1
S.D sẽ có tác động đẩy chính nó tăng lên, tác

động này sẽ giảm dần theo thời gian, sau hơn 5
tháng thì biến VN-Index sẽ không còn chòu ảnh
hưởng từ “cú sốc” thay đổi 1 S.D trước đó nữa (và
tương tự cho các biến còn lại). Tóm lại, từ Hình
1 ta có thể thấy biến CPI và lãi suất ngắn hạn

có tác động âm đến sự biến động VN-Index, các
biến còn lại có tác động dương đến VN-Index.
Phân rã phương sai (Variance Decomposition)
được áp dụng nhằm trả lời câu hỏi trong một
sự thay đổi của VN-Index được giải thích bởi
bao nhiêu % của từng biến vó mô còn lại. Kết
quả Bảng 7 cho thấy, sự thay đổi của VN-Index
được giải thích chủ yếu bởi cú sốc của chính nó.
Biến lãi suất dài hạn có tác động đến thay đổi
VN-Index nhiều hơn so với các biến vó mô khác.
Thảo luận
Từ kết quả mô hình ở phương trình (2), ta
có thể đưa ra các kết luận về các mối tương

Hình 1: Phân tích hàm phản ứng đẩy
Thay đổi của VNI khi tăng 1 S.D của VNI

Thay đổi của VNI khi tăng 1 S.D của CPI

Thay đổi của VNI khi tăng 1 S.D của E

Thay đổi của VNI khi tăng 1 S.D của IO

Thay đổi của VNI khi tăng 1 S.D của M2

Thay đổi của VNI khi tăng 1 S.D của SIR

Thay đổi của VNI khi tăng 1 S.D của LIR

50

Số 110 Tháng 5/2015


Bảng 7: Phân rã phương sai (%)
Tháng

S.E.

VNI

CPI

E

IO

M2

SIR

LIR

1

61,5900

100,0000

0,0000

0,0000

0,0000

0,0000

0,0000

0,0000

2

95,3800

96,3300

0,6400

0,8300

0,2300

0,3700

0,0600

1,5500

3

127,9400

89,4100

1,1900

1,4400

0,2000

0,4600

0,2500

7,0400

4

160,9300

84,3800

1,4900

1,6200

0,1900

0,4200

0,5000

11,4100

5

191,4500

82,1700

1,7400

1,5500

0,1600

0,3700

0,6800

13,3300

6

218,3800

81,3800

2,0500

1,4200

0,1500

0,3500

0,7600

13,8800

7

242,3200

80,9500

2,4100

1,3200

0,1400

0,3700

0,7900

14,0200

8

264,2800

80,5200

2,7800

1,2400

0,1400

0,4000

0,7900

14,1500

9

284,9700

80,0400

3,1200

1,1800

0,1400

0,4300

0,7800

14,3200

10

304,7100

79,5900

3,4200

1,1300

0,1400

0,4600

0,7700

14,5000

quan dài hạn giữ a VN-Index và cá c biến vó
mô như sau:
- Trong trường hợp các biến còn lại trong
phương trình không thay đổi, mối quan hệ
giữa VN-Index và lạm phát, giữa VN-Index và
lãi suất ngắn hạn là tương quan âm; mối quan
hệ giữa VN-Index và tỷ giá, VN-Index và sản

lượng công nghiệp, VN-Index và cung tiền,
VN-Index và lãi suất dài hạn là tương quan
dương. Như vậy, ngoại trừ mối quan hệ giữa
VN-Index với lãi suất dài hạn, các giả thuyết
ban đầu về mối tương quan giữa VN-Index với
các biến vó mô được chứng minh là phù hợp.
Mối tương quan dương giữa VN-Index và lãi
suất dài hạn có thể được giải thích bởi tác
động bù trừ giữa sự tăng trưởng dòng tiền
từ cổ phiếu với sự thay đổi lãi suất dài hạn.
Ở một số nghiên cứu trên thế giới, kết quả
tương tự cũng được tìm thấy, như Apergis và
Eleftheriou (2002) ở thò trường Athens; Erdem,
Arslan và Erdem (2005) ở thò trường Istanbul.
Mối quan hệ dương giữa TTCK và lãi suất dài
hạn được tìm thấy bởi Bohl, Siklos và Werner
(2007) được cá c tá c giả giả i thích do hiện
tượng phương sai thay đổi (heteroskedasticity).
Nghiên cứu củ a Wongbangpo và Sharma
(2002) tìm thấ y mố i tương quan dương giữa
TTCK ở Malaysia, Indonesia với lãi suất dài
hạn, trong khi tại TTCK Philippines, Singapore
và Thái Lan là tương quan â m. Nguyê n nhân
chính dẫn đến sự khá c nhau trê n là do sự
khác biệt về tỷ lệ lạ m phá t và cung tiền ở

mỗi nước. Vì vậy, mặc dù nhiều lập luận đề
xuất rằng lãi suất có tác động âm đến TTCK,
nhưng kết quả nghiên cứu đònh lượng vẫ n
đưa ra các kết luận khác nhau.

- So sánh với các nghiên cứu thực nghiệ m
tương tự tại TTCK Việt Nam là Nguyễn Minh
Kiều và Nguyễn Văn Điệp (2013), Nguyễ n
Hữu Tuấn (2011), các nghiên cứu này cũ ng
chỉ ra rằng cung tiền có mối quan hệ cù ng
chiều với VN-Index, lạm phát có mối quan hệ
ngược chiều với VN-Index; với các mối quan
hệ khác mà các nghiên cứu đã kết luậ n là
không có ý nghóa/không xem xét, bài nghiê n
cứu này đã đề xuất: VN-Index tương quan â m
với lãi suất ngắn hạn và tương quan dương
với các biến tỷ giá, sản lượng công nghiệ p ,
lãi suất dài hạn.
- Trên thực tế, với sự thay đổi phức tạp của
các biến vó mô (có thể là cùng lúc), mô hình
cân bằng dài hạn đề xuất rằng: Trong dài
hạn, sự thay đổi của các chỉ số vó mô sẽ đạt
được sự cân bằng như phương trình (2) thông
qua những sự điều chỉnh trong ngắn hạn.
Kết luận về các cân bằng trong ngắn hạn
được rút ra từ hệ các phương trình cân bằng
VECM trong Bảng 6:
- Trong phương trình cân bằng ngắn hạn của
VN-Index, tỷ lệ hiệu chỉnh sai số góp phần đạt
được cân bằng dài hạn là khoảng 3,08 %/tháng,

Số 110 Tháng 5/2015

51

ở mức ý nghóa thống kê 5%. Hệ số này trong
nghiên cứu của Nguyễn Minh Kiều và Nguyễn
Văn Điệp (2013) là 13.04%/tháng, trong nghiên
cứu của Nguyễn Hữu Tuấn (2011) là 18.2%/tháng.
Ý nghóa là tốc độ loại bỏ những biến động trong
ngắn hạn để đạt được trạng thái như phương
trình cân bằng dài hạn trình bày ở trên là rất
chậm (khoảng hơn 32 tháng), so với đề xuất của
2 nghiên cứu trước thì tốc độ này chậm hơn 4
lần của Nguyễn Minh Kiều và Nguyễn Văn Điệp
(2013) và 6 lần của Nguyễn Hữu Tuấn (2011).
Ngoài ra, phương trình cân bằng ngắn hạn
của VN-Index còn đề xuất, trong ngắn hạn
VN-Index sẽ chòu sự tác động ngược chiều bởi
chính nó trong tháng trước đó và với các biến
vó mô CPI, lãi suất ngắn hạn, cũng như chòu
tác động cùng chiều bởi biến tỷ giá, sản lượng
công nghiệp, cung tiền, lãi suất dài hạn (cùng
dấu với các mối quan hệ trong dài hạn).
- Ở phương trình cân bằng ngắn hạn của
biến CPI, sự biến động của chính nó trong
tháng trước có ý nghóa giải thích sự biến động
trong tháng này (mối tương quan dương, mức
ý nghóa 5%). Trong phương trình cân bằng
ngắn hạn của biến tỷ giá và biến lãi suất dài
hạn, tỷ lệ hiệu chỉnh sai số về cân bằng dài
hạn tương ứng là 9,38%/tháng và 0,08%/tháng
(mức ý nghóa 5%). Với phương trình cân bằng
ngắn hạn của biến sản lượng công nghiệp,

sản lượng công nghiệp trong tháng này sẽ
chòu tác động âm từ giá trò của chính nó trong
tháng trước và biến lãi suất ngắn hạn trong
tháng trước (mức ý nghóa 5%). Ở mức ý nghóa
thống kê 5%, sự thay đổi của lãi suất dài hạn
trong tháng trước sẽ có tác động dương làm
thay đổi biến tỷ giá, lãi suất ngắn hạn và
chính nó (lãi suất dài hạn). Phương trình cân
bằng ngắn hạn của cung tiền cho thấy nó chòu
sự tác động dương có ý nghóa 5% từ sự thay
đổi của VN-Index trong tháng trước.
Kết luận
Bài viết sử dụ ng phương phá p kiể m đònh
đồn g liên kết và mô hình hiệ u chỉnh sai số

52

Số 110 Tháng 5/2015

để nghiên cứu mối quan hệ giữa VN-Index và
các biến vó mô: lạm phát, tỷ giá, sản lượng
công nghiệp, cung tiền, lãi suất ngắn hạn, lãi
suất dài hạn. Mục tiêu nghiên cứu đạt được
thông qua việc phân tích phương trình đồng
liên kết của các biến (thể hiện sự cân bằng
đạt được trong dài hạn) và các mô hình hiệu
chỉnh sai số của từng biến (thể hiện sự cân
bằng ngắn hạn và sự điều chỉnh để đạt được
cân bằng dài hạn). Kết luận quan trọng được
rút ra đó là giữa các biến tồn tại các mối

tương tác đa chiều và trong dài hạn nền kinh
tế sẽ đạt được trạng thái cân bằng.
Khi tách tác động của từng biến vó mô lê n
VN-Index (giả đònh các biến vó mô còn lạ i
không đổi), nghiên cứu cho thấy mối tương
quan giữa lạm phát và VN-Index, lãi suấ t
ngắn hạn và VN-Index là tương quan â m;
trong khi đó mối tương quan giữa tỷ giá và
VN-Index, giữa sản lượng công nghiệ p và
VN-Index, giữa cung tiền và VN-Index, lã i
suất dài hạn và VN-Index là tương quan
dương (kể cả trong ngắn hạn và dài hạn, mứ c
ý nghóa thống kê 5%). Hơn nữa, trong cá c
biến vó mô xem xét, biến lãi suất dài hạ n có
tác động giải thích lớn nhất về sự biến độ ng
của VN-Index. Để đạt được trạng thái câ n
bằng trong dài hạn, kết quả nghiên cứu cho
biết mỗi tháng có 3,08% mức chênh lệch giữ a
biến thiên ngắn hạn và dài hạn được loại trừ,
đây được nhận xét là một tốc độ rất chậm.
Tóm lại, kết quả nghiên cứu cung cấp cho các
nhà hoạch đònh chính sách một cái nhìn tổng
quan mang tính chất đònh lượng về các mối
quan hệ tác động truyền dẫn từ các yếu tố vó
mô đến chỉ số chứng khoán và ngược lại.
Nghiên cứu trên được thực hiện với sự giớ i
hạn về số quan sát, cụ thể là biến sản lượ ng
công nghiệp và lãi suất trái phiếu 1 năm giai
đoạn trước tháng 7/2006, cũng như biến cung
tiền M2 từ sau tháng 02/2014. Bên cạnh việ c

tăng số quan sát (nếu có thể), hướng nghiê n
cứu tiếp theo được đề xuất là bổ sung và o
phương trình các biến giá vàng, giá dầ u để


kiểm tra giả thuyế t liệ u giá và ng và giá dầu
có ý nghóa trong phương trình giả i thích mối
tương quan giữ a chỉ số chứ ng khoá n với các
yếu tố vó mô. Ngoà i ra, vớ i sự phá t triển còn
hạ n chế của TTCK Việ t Nam so vớ i các thò
trường phát triể n, nhó m tá c giả đề xuất bổ

sung thêm các biến chỉ số chứng khoán thế
giới như S&P 500, DowJones, Nikkei 225…
để kiểm tra sự nhạy cảm của thò trường Việ t
Nam trước các biến động của yếu tố vó mô
toàn cầu, cũng như của những đối tác trọ ng
yếu của Việt Nam

Tài liệu tham khảo
Apergis, N. and Eleftheriou, S. (2002). Interest rates, inflation, and stock prices: The case of the Athens Stock Exchange.
Journal of Policy Modeling, 24(3), pp. 231-236.
Bohl, M. T., Siklos, P. L. and Werner, T. (2007). Do central banks react to the stock market? The case of Bundesbank.
Journal of Banking and Finance, 31, pp. 719-733.
Boyd, J., Levine, R. and Smith, B. D. (2001). The impact of inflation on financial sector performance. Journal of Monetary
Economics, 47(2), pp. 221-248.
Công ty Cổ phần Chứng khoán Bản Việt (2014). Báo cáo chiến lược. />Erdem, C., Arslan C. K. and Erdem, M. S. (2005). Effects of macroeconomic variables on Istanbul Stock Exchange Indexes.
Applied Financial Economics, 15, pp. 987-994.
Fama, E. F. (1981). Stock returns, real activity, inflation and money. American Economic Review, 71(4), pp. 545-564.
Fama, E. F. and French, K. (1990). Business conditions and expected returns on stocks and bonds. Journal of Financial

Economics, 25, pp. 23-49.
Fama, E. F. and Schwert, G. (1977). Asset Returns and Inflation. Journal of Financial Economics, 5, pp. 115-146.
Gan, C., Lee, M., Yong, H. and Zhang, J. (2006). Macroeconomic Variables and Stock Market Interactions: New Zealand
Evidence. Investment Management and Financial Innovations, 3(4), pp. 89-101.
Geske, R. and Roll, R. (1983). The fiscal and monetary linkage between stock returns and inflation. Journal of Finance, 38,
pp. 1-33.
Gjerde, O. and Saettem, F. (1999). Causal relations among stock returns and macroeconomic variables in a small open
economy. Journal of Int. Finance, Markets Money, 9, pp. 61-74.
Kim, K. (2003). Dollar exchange rate and stock price: Evidence from multivariate cointegration and error correction model.
Review of Financial Economics, 12(3), pp. 301-313.
Kwon, C. S. and Shin, T. S. (1999). Co-integration and causality between macroeconomic variables and stock returns. Global
Finance Journal, 10 (1), pp. 71-81.
Madura, J. (2006). International corporate finance. Cengage Learning, South – Western.
Maysami, R. C., Howe, L. C. and Hamzah, M. A. (2004). Relationship between macroeconomic variables and stock market
indices: Co-integration evidence from Stock Exchange of Singapores All-S sector indices. Journal of Pengurusan, 24, pp. 47-77.
Maysami, R. C. and Koh, T. S. (2000). A vecto error correction model of the Singapore stock market. International Review of
Economics & Finance, 9 (1), pp. 79-96.
Mukherjee, T. K. and Naka, A. (1995). Dynamic relations between macroeconomic variables and the Japanese stock market:
An application of a véc tơ error correction model. Journal of Financial Research, 18 (2), pp. 223-237.
Nasseh, A. and Strauss, J. (2000). Stock Prices and Domestic and International Macroeconomic Activity: A Cointegration
Approach. Quarterly Review of Economics and Finance, 40 (2), pp. 229-245.
Nelson, C. (1976). Inflation and Rates of Return on Common Stocks. Journal of Finance, 31 (2), pp. 471-483.
Nguyễn Minh Kiều và Nguyễn Văn Điệp (2013). Quan hệ giữa các yếu tố vó mô và biến động thò trường chứng khoán: Bằng
chứng nghiên cứu từ thò trường Việt Nam. Science & Technology development, 16, pp. 86 - 100.
Nguyễn Hữu Tuấn (2011). Phân tích thực nghiệm ảnh hưởng của biến số vó mô đến chỉ số giá thò trường chứng khoán Việt
Nam. Tạp chí Công nghệ Ngân hàng, 68, pp. 4-10.

Số 110 Tháng 5/2015

53

Ratanapakorn, O. and Sharma, S.C. (2007). Dynamic analysis between the US stock returns and the macroeconomic variables. Applied Financial Economics, 17, pp. 369-377.
Ratneswary, R. and Rasiah, V. (2010). Macroeconomic activity and the Malaysian Stock Market: Empirical evidence of dynamic relations. International Journal of Business and Finance Research, 4(2), pp. 59-69.
Wongbangpo, P. and Sharma, S. C. (2002). Stock market and macroeconomic fundamental dynamic interactions: ASEAN-5
countries. Journal of Asian Economics, 13, pp. 27-51.

Thông tin tác giả:
(*) Nguyễn Thò Bảo Trân hiện công tác tại Viện Nghiên cứu Phát triển TP.HCM.
Lónh vực nghiên cứu chính: Quản trò rủi ro (Risk Management), Quản trò tài chính (Financial Management).
Email:
(**) ThS. Lê Quang Minh hiện đang công tác tại Khoa Tài chính – Ngân hàng, Trường Đại học Kinh tế - Luật, Đại học
Quốc gia TP.HCM.
Lónh vực nghiên cứu chính: Hiệu quả kỹ thuật ngân hàng, Chất lượng thu nhập (Earnings Quality), Dự báo chu kỳ kinh tế.
Các nghiên cứu được công bố trên các tạp chí: Tạp chí Công nghệ Ngân hàng, Journal of Emerging Issues in Economics,
Finance and Banking (JEIEFB).
Email:
(***) ThS. Võ Đình Vinh hiện đang công tác tại Khoa Tài chính – Ngân hàng, Trường Đại học Kinh tế - Luật, Đại học Quốc
gia TP.HCM.
Lónh vực nghiên cứu chính: Đònh giá tài sản (Asset Pricing), Dữ liệu tần suất cao (High frequency data), Quản trò rủi ro (Risk
Management), Hiệu ứng lan truyền của khủng hoảng (Financial contagion).
Các nghiên cứu được công bố trên các tạp chí: Tạp chí Phát triển Kinh tế, Journal of Applied Finance and Banking.
Email:

54

Số 110 Tháng 5/2015