Phân tích biến động của chỉ số giá chứng khoán và mối quan hệ với khối lượng giao dịch trên Sở Giao dịch Chứng khoán Thành Phố Hồ Chí Minh

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

--------o0o--------

BÙI THỊ NHƯ Ý

PHÂN TÍCH BIẾN ĐỘNG CỦA CHỈ SỐ GIÁ CHỨNG KHOÁN VÀ
MỐI QUAN HỆ VỚI KHỐI LƯỢNG GIAO DỊCH TRÊN SỞ GIAO
DỊCH CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH

LUẬN VĂN THẠC SĨ KINH TẾ

Tp. Hồ Chí Minh – Năm 2019


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

--------o0o--------

BÙI THỊ NHƯ Ý

PHÂN TÍCH BIẾN ĐỘNG CỦA CHỈ SỐ GIÁ CHỨNG KHOÁN VÀ
MỐI QUAN HỆ VỚI KHỐI LƯỢNG GIAO DỊCH TRÊN SỞ GIAO
DỊCH CHỨNG KHOÁN THÀNH PHỐ HỒ CHÍ MINH

Chuyên ngành : Tài chính-Ngân hàng
Mã số

: 8340201

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:
GS.TS. TRẦN NGỌC THƠ

TP. Hồ Chí Minh – Năm 2019


LỜI CAM ĐOAN

Luận văn với đề tài “Phân tích sự biến động của chỉ số giá chứng khoán và mối

quan hệ với khối lượng giao dịch trên sở giao dịch chứng khoán thành phố hồ
chí minh” được tôi thực hiện thông qua việc vận dụng các kiến thức đã học dưới sự
hướng dẫn, góp ý của GS.TS Thầy Trần Ngọc Thơ.
Tôi xin cam đoan đây là công trình nghiên cứu của tôi, các số liệu được sử dụng trong
luận văn này là hoàn toàn trung thực và được xử lý khách quan. Các tham khảo dùng
trong luận văn được trích dẫn đầy đủ, rõ ràng. Các kết quả của luận văn chưa từng
được công bố ở bất cứ công trình nghiên cứu nào.
TP. Hồ Chí Minh, ngày 19 tháng 03 năm 2019
Người thực hiện luận văn

BÙI THỊ NHƯ Ý


MỤC LỤC
TRANG BÌA PHỤ
LỜI CAM ĐOAN
MỤC LỤC

DANH MỤC CÁC CHỮ VIẾT TẮT
DANH MỤC HÌNH
DANH MỤC BẢNG
TÓM TẮT
ABSTRACT
CHƯƠNG 1: TỔNG QUAN VỀ NGHIÊN CỨU ...................................................
1.1. Đặt vấn đề ........................................................................................................ 1
1.2. Mục tiêu nghiên cứu ......................................................................................... 1
1.3. Câu hỏi nghiên cứu ........................................................................................... 2
1.4. Đối tượng và phạm vi nghiên cứu ..................................................................... 2
1.5 Phương pháp nghiên cứu ................................................................................... 2
1.6. Kết cấu luận văn ............................................................................................... 2
CHƯƠNG 2: CÁC NGHIÊN CỨU THỰC NGHIỆM ........................................ 4
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU ................................................ 11
3.1 Mô hình nghiên cứu ......................................................................................... 11
3.1.1 Lựa chọn mô hình .............................................................................. 11
3.1.2 Mô hình EGARCH mở rộng ............................................................... 14
3.2 Dữ liệu nghiên cứu .......................................................................................... 15
3.2.1 Nguồn dữ liệu .................................................................................... 15
3.2.2 Cách tính các biến ............................................................................. 16
3.3 Quy trình thực hiện nghiên cứu........................................................................ 17
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU ........................................................... 19
4.1 Kiểm tra dữ liệu ............................................................................................... 19


4.1.1 Thống kê mô tả................................................................................... 19
4.1.2 Kiểm tra phân phối và tính dừng của các chuỗi ................................. 22
4.1.3 Dạng phù hợp của phương trình trung bình ....................................... 23
4.2 Ước lượng mô hình .......................................................................................... 24
4.2.1 Lựa chọn mô hình .............................................................................. 24

4.2.2 Kiểm định mô hình ............................................................................ 26
4.3 Phân tích kết quả ............................................................................................. 27
4.3.1 Mối quan hệ giữa chuỗi lợi tức VNIndex ............................................ 27
4.3.2 Phân tích sự biến động của chuỗi lợi tức VNIndex ............................. 28
CHƯƠNG 5: KẾT LUẬN ................................................................................... 30
5.1 Một số kết quả chính ....................................................................................... 30
5.2 Hạn chế và hướng nghiên cứu tiếp theo ........................................................... 30
TÀI LIỆU THAM KHẢO
PHỤ LỤC


DANH MỤC CÁC CHỮ VIẾT TẮT
Tên đầy đủ

STT Tên viết tắt
1

ARCH

Autoregressive Conditional Heteroskedasticity

2

ARMA

Autoregressive and Moving Average

3

EGARCH

Exponential Generalized Autoregressive Conditional
Heteroskedasticity

4

GARCH

Generalized Autoregressive Conditional
Heteroskedasticity

5

GTGD

Giá trị giao dịch

6

GTLN

Giá trị lớn nhất

7

GTNN

Giá trị nhỏ nhất

8

GTTB

Giá trị trung bình

9

HNX

Ha Noi Stock Exchange

10

HSX

Ho Chi Minh Stock Exchange

11

KLGD

12

SGD

13

SGDCK

Sở giao dịch chứng khoán

14

TpHCM

Thành phố Hồ Chí Minh

15

VN30

Khối lượng giao dịch
Sở giao dịch

Chỉ số VN 30


DANH MỤC HÌNH
Hình 1.1: Quy trình nghiên cứu .................................................................................
Hình 4.1: Sự biến thiên của chỉ số VNIndex theo KLGD trên HSX ...........................
Hình 4.2: Sự biến thiên của các chỉ số VNIndex, HNIndex và VN30.........................
Hình 4.3: Biểu đồ phân phối chuẩn và xác suất chuẩn hóa của phần dư .....................

DANH MỤC BẢNG
Bảng 2.1: Thống kê các nghiên cứu thực nghiệm và lập luận kế thừa ........................
Bảng 3.1: Tổng hợp các biến trong mô hình ..............................................................
Bảng 4.2: Hệ số tương quan giữa các biến trong mô hình ..........................................
Bảng 4.3: Kết quả kiểm tra tính chất phân phối chuẩn của các chuỗi .........................
Bảng 4.4: Kết quả kiểm định Dickey – Fuller cho các chuỗi ......................................
Bảng 4.5: Kết quả ước lượng và tiêu chí lựa chọn mô hình GARCH(1,1) và

EGARCH(1,1)...........................................................................................


TÓM TẮT
Mục tiêu của nghiên cứu là kiểm tra mối quan hệ giữa biến động của các chỉ số VN30,
HNIndex, khối lượng giao dịch trên HSX đến lợi tức của chuỗi với dữ liệu được thu
thập hàng tuần từ năm 2009 đến năm 2018 trên TTCK Việt Nam. Thông qua các bước
kiểm tra phân phối, tính dừng của các chuỗi dữ liệu đề tài cho thấy mô hình
EGARCH(1,1) là mô hình phù hợp. Kết quả cho thấy sự thay đổi của chỉ số VN30 có
tác động mạnh nhất đến sự thay đổi của chỉ số VNindex, tiếp đến là ảnh hưởng của
chỉ số HNIndex. Ngoài ra, từ mô hình EGARCH(1,1) này, kết quả còn thấy sự tồn tại
của thông tin bất cân xứng khi mà các thông tin tốt gây ra sự biến động nhiều hơn là
các thông tin xấu trong một thị trường tăng.


ABSTRACT
The study is examine the relationship between the volatility of the VN30, HNIndex,
trading volume on the HSX to the profit of the series with data collected weekly from
2009 to 2018 on the Vietnam Stock Market. Through the distribution checking steps,
the unit root test (Augmented Dickey Fuller) of the series data show that the
EGARCH model (1,1) is the appropriate model. The results show that the change of
VN30 index has the strongest impact on the volatility of VNindex, followed by the
impact of the HNIndex. In addition, from this EGARCH model (1,1), the results also
show the existence of asymmetric information when good information causes more
volatility than bad information in a rising market.


1

CHƯƠNG 1: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU

1.1.

Đặt vấn đề

Đặc điểm chính của bất kỳ tài sản tài chính nào là lợi nhuận của nó thường được coi
là một biến ngẫu nhiên. Sự lan truyền kết quả của biến này, được gọi là biến động tài
sản, đóng một vai trò quan trọng trong nhiều ứng dụng tài chính. Sử dụng chính của
nó là để ước tính giá trị của rủi ro thị trường. Biến động cũng là một tham số quan
trọng để định giá các công cụ tài chính phái sinh. Tất cả các kỹ thuật định giá hiện
đại tùy thuộc vào một tham số biến động để đánh giá giá. Biến động cũng được sử
dụng để đánh giá quản lý rủi ro và trong quản lý danh mục đầu tư nói chung. Điều
quan trọng đối với các tổ chức tài chính không chỉ là biết giá trị hiện tại của tính biến
động của tài sản được quản lý mà còn có thể dự đoán giá trị tương lai của chúng. Dự
báo biến động đặc biệt quan trọng đối với các tổ chức liên quan đến giao dịch quyền
chọn và quản lý danh mục đầu tư.
Tại VN có 2 sàn chứng khoán với các chỉ số chính như HNX, HSX, VN30 nên để
ước tính về hành vi trong tương lai của các giá trị chỉ số tài chính thường bị ẩn bởi
mối liên kết giữa các chỉ số này phức tạp, thường bị sai lệch và không trực quan.
Điều này làm cho việc dự báo hành vi biến động là một nhiệm vụ đầy thách thức ngay
cả đối với các chuyên gia trong lĩnh vực này. Thấy được vai trò cũng như tầm quan
trọng của việc mô hình hóa và ước lượng biến động chỉ số tài chính, tác giả đã chọn
đề tài “Phân tích biến động của chỉ số giá chứng khoán và mối quan hệ với khối lượng
giao dịch trên sở giao dịch chứng khoán Tp.Hồ Chí Minh” làm đề tài nghiên cứu cho
luận văn Thạc sĩ.
1.2. Mục tiêu nghiên cứu
Đề tài tập trung vào hai mục tiêu chính, đó là:
-

Xác định mối quan hệ giữa chuỗi lợi tức dựa trên chỉ số VNindex với các sự
biến động của các chỉ số như khối lượng giao dịch, chỉ số HNindex và VN30

-

Phân tích sự biến động của chuỗi lợi tức VNindex.


2

1.3. Câu hỏi nghiên cứu
Để giải quyết được hai mục tiêu chính đặt ra, đề tài tập trung làm rõ ba câu hỏi nghiên
cứu sau:
-

Mối quan hệ giữa các chỉ số trên thị trường với lợi tức VNindex là thế nào?

-

Giao dịch trên SGDCK TpHCM có tồn tại thông tin bất cân xứng?

-

Nguyên nhân chính nào gây ra sự biến động của lợi tức VNindex?

1.4. Đối tượng và phạm vi nghiên cứu
-

Đối tượng nghiên cứu của đề tài là sự biến động của các chỉ số VNindex,
HNindex, VN30 và KLGD trên SGDCK TpHCM

-

Theo thời gian, đề tài giới hạn phạm vi nghiên cứu trong giai đoạn năm 2009
đến năm 2018. Ở đây, dữ liệu được thu thập theo tuần.

-

Về không gian, đề tài đi sâu phân tích sự biến động của chuỗi VNIndex, ứng
với KLGD trên SGDCK TpHCM.

1.5 Phương pháp nghiên cứu
Đề tài sử dụng phương pháp định lượng với việc mô hình hóa sự biến động của chuỗi
lợi tức với việc bổ sung thêm các chỉ số biến động khác như khối lượng giao dịch,
chỉ số HNIndex và VN30.
Hai mô hình định lượng được sử dụng trong đề tài là mô hình GARCH(1,1) và mô
hình EGARCH(1,1). Toàn bộ quá trình xử lí dữ liệu, ước lượng và lựa chọn mô hình
được thực hiện trên dofile của phần mềm Stata phiên bản 14.2.
1.6. Kết cấu luận văn
Nội dung của đề tài được trình bày qua 5 chương với bố cục như sau:
-

Chương 1 sẽ trình bày tổng quan về vấn đề nghiên cứu như lý do chọn đề tài,
mục tiêu nghiên cứu, câu hỏi nghiên cứu cũng như đối tượng và phương pháp
nghiên cứu.

-

Chương 2 sẽ hệ thống các lý thuyết và tổng hợp các nghiên cứu thực nghiệm
liên quan đến mối quan hệ giữa lợi tức với các chỉ số và các nghiên cứu thực
nghiệm liên quan đến sự biến động của chuỗi lợi tức

3

-

Chương 3 sẽ trình bày cách xây dựng và lựa chọn mô hình ước lượng sự biến
động của chuỗi lợi tức

-

Chương 4 sẽ trình bày các kết quả liên quan đến mô hình như lựa chọn, kiểm
định mô hình và phân tích các kết quả thu được từ mô hình lựa chọn.

-

Chương 5 sẽ tổng hợp lại các kết quả nghiên cứu chính của đề tài và đề ra một
số nghiên cứu mới nhằm khắc phục các hạn chế còn tồn tại của đề tài.

Quy trình thực hiện của đề tài được thể hiện ở hình 1.1

Hình 1.1: Quy trình thực hiện


4

CHƯƠNG 2: CÁC NGHIÊN CỨU THỰC NGHIỆM
Các nghiên cứu về mối quan hệ và giá cả và khối lượng có từ những năm 1950. Với
nghiên cứu của Ostern chỉ ra mối quan hệ lý thuyết giữa khối lượng và giá cả (Ostern,
1959). Hầu hết các nghiên cứu ban đầu đều có mối tương quan tích cực giữa giá trị
tuyệt đối của thay đổi giá hàng ngày và khối lượng hàng ngày cho cả chỉ số thị trường

và chỉ số cổ phiếu riêng lẻ.
Với Granger và Morgentern thực hiện nghiên cứu thực nghiệm với chỉ số tổng hợp
của Sở Giao dịch Chứng khoán New York (NYSE) giai đoạn năm 1939 đến năm
1961, nhóm thực hiện cho rằng không có mối quan hệ giữa trị tuyệt đối về thay đổi
giá hàng ngày với khối lượng giao dịch.
Trong các nghiên cứu gần đây thì thì các nhà nghiên cứu đã tìm mối quan hệ độ trễ
của lợi nhuận chứng khoán và khối lượng giao dịch.
Miller và Mayshar đã thực hiện một nghiên cứu về cách tiếp cận mới mối quan hệ
giữa lợi nhuận và khối lượng giao dịch. Giả thuyết về tính minh bạch thông tin cho
rằng các nhà đầu tư có xu hướng đa đạng giá trị của một cổ phiếu, khi mua cổ phiếu
này thì các nhà giao dịch đã rất lạc quan về giá trị của nó. Hơn nữa, khi nguồn cung
cổ phiếu bị giới hạn bởi bán khống hoặc giao dịch ký quỹ thì tâm lý của các nhà đầu
tư bi quan không kết hợp với giá cổ phiếu và giá cổ phiếu sẽ bị sai lệch. Tuy nhiên,
nguồn cung cho cổ phiếu không đổi do đó khối lượng và giá di chuyển theo hướng
tích cực. Nên giả thuyết về tính minh bạch thông tin cho thấy dưới những hạn chế của
thị trường với nhiều nhà giao dịch thì tâm lý của người dân sẽ bị thu hút trên 1 cổ
phiếu, khối lượng và giá sẽ tăng.
Trong bài nghiên cứu về mối quan hệ giữa khối lượng giao dịch và lợi nhuân chứng
khoán của Chandrapala Pathirawasam (2011) tại Sở giao dịch chứng khoán Colombo
từ 2000-2008. Nghiên cứu này đã bổ sung một số phát hiện quan trọng như hiệu ứng
của khối lượng giao dịch, đã được chứng minh nhiều ở các thị trường phát triển trong
khi có ít bằng chứng về các thị trường đang phát triển. Nghiên cứu này xem xét mối
quan hệ giữa thay đổi khối lượng giao dịch và lợi nhuận cổ phiếu trong hai giai đoạn.


5

Mối quan hệ đầu tiên giữa thay đổi khối lượng giao dịch hiện tại và lợi nhuận; mối
quan hệ giữa thay đổi khối lượng giao dịch trong quá khứ và lợi nhuận. Nghiên cứu
cho thấy sự thay đổi khối lượng giao dịch ở thời điểm hiện tại có liên quan tích cực

với lợi nhuận chứng khoán. Tuy nhiên, mối quan hệ giữa thay đổi khối lượng giao
dịch trong giai đoạn trước và lợi nhuận cổ phiếu trong giai đoạn hiện tại là âm. Điều
này có nghĩa là các cổ phiếu có khối lượng giao dịch thay đổi thấp sẽ vượt trội về lợi
nhuận hơn so với các cổ phiếu có khối lượng giao dịch thay đổi cao trong giai đoạn
tiếp theo.
Bài nghiên cứu của Marwan Darwish (2012) về nguyên nhân dẫn đến mối quan hệ
giữa khối lượng giao dịch và lợi nhuận ở thị trường chứng khoán Palestine bằng cách
sử dụng mô hình GARCH (1,1) cho dữ liệu theo tuần của khối lượng giao giao dịch
và lợi nhuận trong khoảng thời gian từ 10/2000 đến 08/2010. Bài nghiên cứu còn
kiểm tra mối quan hệ cùng chiều của khối lượng giao dịch và lợi nhuận. Nghiên cứu
cho thấy mối quan hệ được bảo tồn sau khi tính đến sự không đồng nhất. Hơn nữa,
kết quả kiểm tra quan hệ nhân quả Granger cho thấy có mối quan hệ nhân quả Granger
hai chiều giữa lợi nhuận và khối lượng giao dịch. Bài báo cáo đã tìm thấy bằng chứng
về mối quan hệ đáng kể giữa khối lượng giao dịch và lợi nhuận và chỉ ra rằng nội
dung thông tin về khối lượng ảnh hưởng đến lợi nhuận chứng khoán trong tương lai.
Giải thích lý thuyết cho phát hiện này là khối lượng ngụ ý thông tin dẫn đến thay đổi
giá và thay đổi giá dương lớn có nghĩa là tăng vốn cao hơn, khuyến khích các giao
dịch của các nhà giao dịch tăng khối lượng. Hơn nữa, những phát hiện về quan hệ hai
chiều này phù hợp với mô hình giao dịch có độ nhiễu của De Long et.al. (1990). Phát
hiện của bài nghiên cứu cung cấp bằng chứng về mối quan hệ cùng chiều giữa khối
lượng và lợi nhuận. Các thử nghiệm quan hệ nhân quả Granger cũng xác nhận rằng
khối lượng đã làm tăng thêm sức mạnh dự đoán cho lợi nhuận trong tương lai bằng
lợi nhuân hiện tại và quá khứ cũng như ngược lại. Bài báo cáo kết luận rằng thông tin
trong quá khứ của khối lượng giao dịch là hữu ích để dự đoán giá cổ phiếu.
Bài nghiên cứu của Anirut Pisedtasalasai và Abeyratna Gunasekarage (2008) cũng
chỉ ra mối quan hệ giữa lợi nhuận chứng khoán, biến động lợi nhuận và khối lượng


6

giao dịch tại thị trường Đông Nam Á (Indonesia, Malaysia, Philippines, Singapore và
Thái Lan). Bài báo cáo đưa bằng chứng mạnh mẽ về sự bất cân xứng trong mối quan
hệ giữa lợi nhuận cổ phiếu và khối lượng giao dịch; cho thấy lợi nhuận trong quá khứ
và hiện tại rất quan trọng trong việc dự đoán xu hướng trong tương lai cũng như xu
hướng của khối lượng giao dịch, nhưng khối lượng giao dịch có tác động rất hạn chế
đến xu hướng của lợi nhuận trong tương lai. Tuy nhiên, khối lượng giao dịch của một
số thị trường có chứa thông tin hữu ích trong việc dự đoán xu hướng, động lực trong
tương lai của biến động lợi nhuận. Bằng cách sử dụng cả mô hình VAR và mô hình
EGARCH để tính đến ảnh hưởng của cuộc khủng hoảng tài chính châu Á và hiệu ứng
Thứ Hai. Những mô hình này được ước tính bằng cách sử dụng dữ liệu hàng ngày về
lợi nhuận chứng khoán, biến động lợi nhuận và khối lượng giao dịch để phát hiện các
mối quan hệ nhân quả giữa các biến số thị trường này. Các phát hiện cho thấy mối
quan hệ nhân quả có ý nghĩa thống kê cho sự tác động của lợi nhuận chứng khoán
đến khối lượng giao dịch tại Indonesia, Malaysia, Singapore và Thái Lan. Chỉ có một
tác động nhân quả đáng kể từ khối lượng giao dịch đến lợi nhuận chứng khoán được
phát hiện tại Singapore; và đối với phần còn lại của thị trường, khối lượng giao dịch
không tăng thêm sức mạnh dự đoán cho lợi nhuận trong tương lai. Tuy nhiên, những
đặc điểm trên không đúng cho thị trường Philippines, bài báo cáo không phát hiện
bất kỳ quan hệ nhân quả nào cho thấy có sự tác động từ lợi nhuận cổ phiếu đến khối
lượng giao dịch trên thị trường này. Theo nhóm tác giả, quy mô nhỏ của thị trường
có thể là lý do chính cho kết quả trên với thị trường Philippines với mức vốn hóa thị
trường thấp nhất so với các đối tác Đông Nam Á khác. Tuy nhiên, thị trường nhỏ này,
cùng với Singapore, đã cung cấp bằng chứng cho thông tin khối lượng giao dịch hữu
ích trong việc dự đoán biến động lợi nhuận trong tương lai.
Bài nghiên cứu của Gong-meng Chen (2001) kiểm tra mối quan hệ giữa biến động
lợi nhuận, khối lượng và biến động của các chỉ số chứng khoán. Dữ liệu đến từ thị
trường của 9 quốc gia (New York, Tokyo, London, Paris, Toronto, Milan, Zurich,
Amsterdam, và Hong Kong) giai đoạn từ năm 1973 đến năm 2000. Nghiên cứu cho
rằng mô hình EGARCH là một mô hình thích hợp để nghiên cứu về lợi nhuận trong

7

dữ liệu chỉ số chứng khoán và sử dụng các thử nghiệm quan hệ nhân quả Granger để
kiểm tra xem lợi nhuận giải thích khối lượng hay khối lượng giải thích lợi nhuận.
Kết quả báo cáo cho thấy mối tương quan tích cực giữa khối lượng giao dịch và giá
trị tuyệt đối của sự thay đổi giá cổ phiếu. Các thử nghiệm quan hệ nhân quả Granger
chứng minh rằng đối với một số quốc gia, lợi nhuận tác động lên khối lượng và khối
lượng tác động lên lợi nhuận. Bên canh đó, cũng cho thấy khối lượng giao dịch đóng
góp một số thông tin cho biến động lợi nhuận. Tuy nhiên, trái ngược với các nghiên
cứu của Lamoureux và Lastpes (1990), bài nghiên cứu thấy rằng có sự tồn tại dai
dẳng của biến động.
Theo Rajni Mala (2007) sự biến động của lợi nhuận trong thị trường tài chính có thể
là một trở ngại lớn cho việc thu hút đầu tư vào các nền kinh tế nhỏ đang phát triển.
Trong nghiên cứu sử dụng các mô hình ARCH (Autoregressive Conditional
Heteroskedasticity) để tìm ra sự hiện diện của biến động thị trường chứng khoán trên
thị trường chứng khoán Fiji. Phân tích được thực hiện bằng cách sử dụng dữ liệu
chuỗi thời gian trong giai đoạn 2001-2005 trên các công ty cụ thể và người ta phát
hiện ra rằng 7/16 công ty được niêm yết trên thị trường chứng khoán Fiji là không ổn
định. Sự biến động của lợi nhuận chứng khoán sau đó đã được hồi quy so với lãi suất
và kết quả cho thấy sự thay đổi lãi suất có ảnh hưởng đáng kể đến biến động thị trường
chứng khoán.
Rajni Mala cho rằng hiểu rủi ro thị trường chứng khoán và hành vi của lợi nhuận là
điều quan trọng đối với tất cả các quốc gia nhưng đặc biệt quan trọng hơn đối với các
nước đang phát triển, đặc biệt là khi thị trường bao gồm nhiều rủi ro, các cơ hội đầu
tư và đa dạng hóa đầu tư không nhiều. Mức độ hiện diện biến động trong thị trường
chứng khoán sẽ khiến các nhà đầu tư yêu cầu phần bù rủi ro cao hơn, tạo ra chi phí
vốn cao hơn, cản trở đầu tư và làm chậm phát triển kinh tế. Hơn nữa, khi lợi nhuận
cổ phiếu bị giảm so với lãi suất, thì mô hình ARCH và biến lãi suất có ý nghĩa cho
thấy vai trò của lãi suất đối với sự biến động của lợi nhuận cổ phiếu. Lãi suất ở các

nền kinh tế mới nổi đã tăng trong thập kỷ qua và điều này cũng không ngoại lệ đối


8

với trường hợp của tại Fiji. Trong thời gian nghiên cứu đã có sự gia tăng lãi suất và
điều này đã ảnh hưởng đến biến động lợi nhuận cổ phiếu.
Các tài liệu hiện có cho thấy rằng một loạt các yếu tố có thể có liên quan trong việc
giải thích sự biến động lợi nhuận cổ phiếu. Các biến số này bao gồm giá hàng hóa,
cung tiền, hoạt động thực tế, trao đổi, rủi ro chính trị, giá dầu, ngành thương mại và
các chỉ số thị trường chứng khoán khu vực. Tuy nhiên, không phải tất cả các yếu tố
đều giải thích sự biến động của lợi nhuận cổ phiếu mà các yếu tố như mức độ rủi ro
chính trị, giá cả hàng hóa, cung ứng tiền và tỷ giá hối đoái có thể được phân tích để
xem các liên kết thực nghiệm với biến động lợi nhuận cổ phiếu. Tác giả cho rằng để
tìm ra những ảnh hưởng của những điều này đối với biến động cổ phiếu của Fijis cần
phải nghiên cứu thêm, tuy nhiên phát hiện của nghiên cứu này có một số ý nghĩa đối
với các nhà đầu tư ở Fiji vì sự biến động trong lợi nhuận cổ phiếu của một công ty
xuất phát từ thực tế là lợi nhuận cổ phiếu có thể không còn được coi là giá trị nội tại
thực sự của một công ty và do đó các nhà đầu tư có thể sẽ bắt đầu mất niềm tin vào
thị trường chứng khoán.


9

Bảng 2.1 Thống kê các nghiên cứu thực nghiệm và lập luận kế thừa
Năm

Tác giả

1963

Granger;

Không có mối quan hệ giữa

Morgentern

giá trị tuyệt đối của thay đổi

Tên nghiên cứu

Lập luận kế thừa

giá hàng ngày và khối lượng
hàng ngày
2007

Mala, R.

Measuring

stock Sử dụng mô hình tổng quát

Reddy, M.

market volatility in an ARCH để tìm ra sự hiện diện
emerging economy

của sự biến động thị trường
chứng khoán

2001

Chen, G;

The dynamic relation Tìm thấy mối quan hệ và độ

Firth, M

between

stock trễ giữa lợi nhuận chứng
trading khoán và khối lượng giao

returns,
Rui, O. M.
2012

Darwish, M. J.

volume and volatility
Testing

dịch.

the Mối quan hệ giữa lợi nhuận và

contemporaneous and rủi ro hệ thống, hay là beta cho
causal

relationship thấy mối quan hệ có ý nghĩa

between

trading tích cực. Và mối quan hệ lợi

volume and return in nhuận với khối lượng giao
the

Palestine dịch cũng cho thấy mối quan
hệ tích cực và có ý nghĩa.

exchange
2011

Pathirawasam, C.

The

relationship Lợi nhuận chứng khoán có
trading liên quan tích cực đến sự thay

between
volume
returns

and

stock đổi hiện tại trong khối lượng
giao dịch. Sự thay đổi khối

lượng giao dịch trong quá khứ


10

có liên quan tiêu cực đến lợi
nhuận cổ phiếu.
2008

Pisedtasalasai, A. Causal and dynamic Có mối liên hệ và độ trễ giữa
Gunasekarage, A. relationships among lợi nhuận chứng khoán và
stock returns, return khối lượng giao dịch.
volatility and trading
volume:

Evidence

from

emerging

markets in South-East
Asia.


11

CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
Nội dung của chương tập trung vào một số phân tích khác liên quan đến các nghiên
cứu thực nghiệm trước đây. Đề tài nỗ lực mô hình hóa sự thay đổi của rủi ro biến

động trên thị trường chứng khoán Việt Nam, cụ thể là sự biến động của chuỗi lợi tức
VN-index theo khối lượng giao dịch và một số yếu tố khác trên sở giao dịch chứng
khoán TpHCM trong giai đoạn 2009 đến 2018. Dữ liệu được thu thập theo tuần.
3.1 Mô hình nghiên cứu
3.1.1 Lựa chọn mô hình
Có nhiều mô hình khác nhau để lượng hóa sự biến động của một chuỗi lợi tức. Đầu
tiên là mô hình tự hồi quy của phương sai thay đổi có điều kiện (ARCH) được Engle
(1982) xây dựng lần đầu. Ở mô hình này phương sai của phần dư trong mô hình hồi
quy được mô hình hóa là một hàm tuyến tính của các độ trễ của phần dư bình phương.
Một mô hình ARCH bậc m, kí hiệu ARCH(m) là một hệ hai phương trình: phương
trình trung bình có điều kiện và phương trình phương sai có điều kiện
-

Phương trình trung bình: yt = xt  +  t

-

2
2
2
2
Phương trình phương sai:  t =  0 +  1 t −1 +  2 t −2 + ... +  m t −m

-

 t và  t2 là phần dư và phần dư bình phương (hay đôi khi còn gọi là

Trong đó,

các cú sốc - innovations)

-

 i là tham số ARCH

Ở đây, cần lưu ý đến các giả định ban đầu của phần dư  t ở phương trình trung bình.
Cụ thể, phần dư  t có phân phối chuẩn  t

N ( 0,  t2 ) hoặc có dạng Leptokurtotic

thường gặp ở các chuỗi lợi tức (Mandelbrot 1963). Ngoài ra, phần dư phải là một
nhiễu trắng (white noise). Do vậy, trước khi ước lượng các tham số của mô hình


12

ARCH thì cần thiết phải kiểm tra mô thức đúng của chuỗi yt để đảm bảo phần dư là
một nhiễu trắng. Một cách tổng quát, chuỗi yt có thể tuân theo quá trình ARMA.
Trong thực nghiệm, rất nhiều các trường hợp phương sai có điều kiện của phần dư là
không đồng nhất, trong trường hợp này, Bollerslev (1986) đã tổng quát hóa mô hình
ARCH ban đầu bằng cách bổ sung thêm thành phần tự hồi quy của phương sai hình
thành nên mô hình ARCH tổng quát hay còn gọi là mô hình GARCH. Một mô hình
GARCH tổng quát với p độ trễ của phần dư bình phương và q độ trễ của phương sai,
kí hiệu GARCH(p,q) có dạng như sau:

 t2 =  0 +  1 t2−1 + ... +  p t2− p + 1 t2−1 + ... +  q t2−q
Điều kiện:

 t2 =  0 +  1 t2−1 + ... +  p t2− p + 1 t2−1 + ... +  q t2−q
 0  0
  0, i = 1 − p

 i
  0 j = 1 − q
 j
 i +  j  1 i, j = 1 − min( p, q)

2
2
2
Trong thực nghiệm mô hình GARCH(1,1)  t =  0 +  1 t −1 + 1 t −1 được sử dụng phổ

biến và thường gặp nhất (Ederington and Guan 2004; Su and Fleisher 1999). Tuy
nhiên, phương trình này (cũng như dạng tổng quát của nó) tồn tại một hạn chế lớn là
vi phạm tính chất không âm của phương trình. Cụ thể, trong thực tế các hệ số ước
lượng  0 ,  1 , 1 của nó có thể nhận giá trị âm, trong khi mô hình GARCH(1,1) áp đặt
2
một ràng buộc cứng rằng các hệ số ước lượng là dương để đảm bảo  t ở vế phải là

luôn dương. Ngoài ra, mô hình GARCH cũng chưa giải thích hoặc chưa xét đến tính
bất đối xứng (asymmetric) hay hiệu ứng đòn bẩy (leverage effects) của thông tin khi
mà phản hồi của thị trường trước các thông tin tốt, thông tin xấu có thể là khác nhau.
Theo Brooks (2008) thì hiệu ứng đòn bẩy cho biết tồn tại xu hướng biến động mạnh


13

sau khi giá giảm so với trường hợp biến động khi giá tăng mặc dù ở cùng một mức
tăng hoặc giảm giá như nhau.
Để giải quyết vấn đề không âm của phương trình, cũng như xét đến tính bất đối xứng
thông tin Nelson (1991) đề xuất mô hình EGARCH để đo lường sự biến động của thị
trường. Phương trình phương sai của một mô hình EGARCH(1,1) sẽ có dạng:

 
  

ln ( t2 ) =  +  ln ( t2−1 ) +   t −1 − E  t −1   +  t −1
 t −1
  t −1  
  t −1

Theo Tsay (2005) thì mô hình EGARCH tuân theo phân phối Gauss của thành phần


sai số, do vậy, E   t −1  = 2

  t −1 

Vì vậy, phương trình phương sai trên có thể được viết lại dưới dạng phần dư chuẩn
hóa, zt −1 =

 t −1
như sau:
 t −1

(

ln ( t2 ) =  +  ln ( t2−1 ) +  zt −1 − 2

)

 +  zt −1

2
Rõ ràng,  t luôn dương nên ln ( t2 ) luôn tồn tại, đồng thời, ln ( t2 ) có thể nhận giá trị

bất kì kể cả khi  t âm.
Một mô hình EGARCH(1,1) sẽ gồm hai thành phần:
-

Thành phần GARCH ln ( t2−1 ) với hệ số ước lượng là 

-

Thành phần EARCH  zt −1 − 2  +  zt −1 gồm hai phần

(

(

)

)

2
✓ Đối xứng  zt −1 −  với tham số ước lượng là 

✓ Bất đối xứng  zt −1 với tham số ước lượng là 


14

3.1.2 Mô hình EGARCH mở rộng

Đề tài bổ sung thêm các yếu tố kiểm soát sự thay đổi của chuỗi lợi tức VN-index như
khối lượng giao dịch, chuỗi lợi tức HN-index, chỉ số VN30 và giá trị giao dịch ròng
của nhà đầu tư nước ngoài. Khi đó, mô hình EGARCH được sử dụng trong nghiên
cứu sẽ có dạng:
-

Phương trình trung bình:

Rt = 0 + 1Vt + 2 RHNX t + 3 R30t +  t + ARMA( p, q)
-

(

)

Phương trình phương sai: ln ( t2 ) =  +  ln ( t2−1 ) +  zt −1 − 2  +  zt −1

Theo Tsay (2005, trang 124) thì ý nghĩa của các tham số  ,  ,  trong mô hình
EGARCH được giải thích như sau:
-

 : cho biết độ lớn của tác động đối xứng hay tác động GARCH. Giá trị 
càng lớn cho biết sự biến động của các cú sốc là rất nhạy cảm đối với thị
trường.

-

 : đo lường sự bền bỉ của các biến động có điều kiện đến từ bất kì thông tin

nào xảy ra trên thị trường. Giá trị  càng lớn cho thấy sự biến động này cần

nhiều thời gian để biến mất sau các cú sốc trên thị trường.
-

 : đo lường tính bất đối xứng hay hiệu ứng đòn bẩy trước các thông tin trên
thị trường. Đây là một tham số đặc trưng quan trọng của mô hình EGARCH,
sự tồn tại có ý nghĩa thống kê của hệ số ước lượng  cho thấy sự tồn tại của
tính bất đối xứng. Mức độ biến động của thị trường trước các thông tin tùy
thuộc vào giá trị của hệ số bất đối xứng  như sau:
o  = 0: mô hình đối xứng
o  < 0: cho thấy các cú sốc tích cực hay các thông tin tốt tạo ra sự biến
động ít hơn so với các cú sốc tiêu cực (thông tin xấu).


15

o  > 0: cho thấy các cú sốc tích cực gây ra sự mất ổn định (hay sự biến
động) nhiều hơn so với các cú sốc tiêu cực.
Nghiên cứu này lần lượt ước lượng hai mô hình GARCH(1,1) và mô hình
EGARCH(1,1) với việc bổ sung các biến giải thích ở phương trình trung bình nhằm
xác định một mô thức tốt nhất để giải thích mối quan hệ giữa chuỗi lợi tức thị trường
chứng khoán TpHCM với các chuỗi lợi tức khác như VN30, HNIndex và KLGD trên
HSX; cũng như đánh giá được sự biến động của chuỗi lợi tức VNIndex trước các cú
sốc thông tin trên thị trường.
3.2 Dữ liệu nghiên cứu
3.2.1 Nguồn dữ liệu
Mẫu dữ liệu trong nghiên cứu được thu thập theo tuần gồm chỉ số VN-Index, KLGD,
chỉ số VN30 của SGDCK TpHCM, chỉ số HN-Index của SGDCK Hà Nội. Các dữ
liệu về giá (chỉ số) và khối lượng giao dịch được tổng hợp từ Công ty Chứng khoán
Bảo Việt ( SGDCK TpHCM ( />SGDCK Hà Nội ( />Bảng 3.1: Tổng hợp các biến trong mô hình
Tên biến

Ý nghĩa

R

Đo lường sự biến thiên của chỉ số VNIndex

RHNX

Đo lường sự biến thiên của chỉ số HNIndex

VN30

Đo lường sự biến thiên của chỉ số VN30

V

Đo lường sự biến thiên trong KLGD trên HSX
Nguồn dữ liệu: Công ty Chứng khoán Bảo Việt


16

3.2.2 Cách tính các biến
Biến thiên của chỉ số VNIndex, Rt
 P 
Rt = ln  t 
 Pt −1 

-

Pt: là chỉ số VNIndex trung bình của tuần t

-

Pt-1: là chỉ số VNIndex trung bình của tuần (t – 1)

(3.1)

Biến thiên của KLGD trên HSX, Vt

V

Vt = ln  hsx,t 
V

 hsx,t −1 
-

Vhsx,t : KLGD trung bình của tuần t trên HSX

-

Vhsx,t-1 : KLGD trung bình của tuần (t – 1) trên HSX

(3.2)

Biến thiên của chỉ số HNIndex, RHNXt

 P 

RHNX ,t = ln  hnx,t 
P

 hnx ,t −1 
-

Rhnx,t : Chỉ số HNIndex trung bình của tuần t

-

Rhnx,t-1 : Chỉ số HNIndex trung bình của tuần (t – 1)

(3.3)

Biến thiên của chỉ số VN30
 VN 30t 
VN 30t = ln 

 VN 30t −1 

-

VN30t: là chỉ số VN30 trung bình của tuần t

-

VN30t-1: là chỉ số VN30 trung bình của tuần (t – 1)

(3.4)

3.3 Quy trình thực hiện nghiên cứu
Quy trình ước lượng mô hình EGARCH(1,1) mở rộng được thực hiện qua 4 bước
như sau: