Nghiên cứu ảnh hưởng lan truyền của suất sinh lợi trung bình và độ biến thiên suất sinh lợi của thị trường chứng khoán mỹ và nhật lên thị trường chứng khoán việt nam

Đại Học Quốc Gia Tp. Hồ Chí Minh
TRƯỜNG ĐẠI HỌC BÁCH KHOA
--------------------

LÂM NGUYỄN THIÊN PHƯƠNG

NGHIÊN CỨU ẢNH HƯỞNG LAN TRUYỀN CỦA SUẤT
SINH LỢI TRUNG BÌNH VÀ ĐỘ BIẾN THIÊN SUẤT
SINH LỢI CỦA THỊ TRƯỜNG CHỨNG KHOÁN MỸ VÀ
NHẬT LÊN THỊ TRƯỜNG CHỨNG KHOÁN VIỆT NAM
Chuyên ngành : QUẢN TRỊ KINH DOANH

KHĨA LUẬN THẠC SĨ

TP. HỒ CHÍ MINH, tháng 04 năm 2011


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH
Cán bộ hướng dẫn khoa học : TS. DƯƠNG NHƯ HÙNG

Cán bộ chấm nhận xét 1 : ....................................................................................

Cán bộ chấm nhận xét 2 : ....................................................................................
Khóa luận thạc sĩ được bảo vệ/nhận xét tại HỘI ĐỒNG CHẤM BẢO VỆ
KHÓA LUẬN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày . . . . .
tháng . . . . năm . . . . .
CHỦ TỊCH HỘI ĐỒNG

CÁN BỘ HƯỚNG DẪN

ĐẠI HỌC QUỐC GIA TP. HCM CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM
TRƯỜNG ĐẠI HỌC BÁCH KHOA
Độc Lập - Tự Do - Hạnh Phúc
---------------oOo--Tp. HCM, ngày 18 tháng 04 năm 2011

NHIỆM VỤ KHÓA LUẬN THẠC SĨ
Họ và tên học viên: LÂM NGUYỄN THIÊN PHƯƠNG
Ngày, tháng, năm sinh : 01/10/1981

Giới tính : Nữ
Nơi sinh : TP.Hồ Chí Minh

Chuyên ngành : QUẢN TRỊ KINH DOANH
Khoá (Năm trúng tuyển) : 2009
1- TÊN ĐỀ TÀI: NGHIÊN CỨU ẢNH HƯỞNG LAN TRUYỀN CỦA SUẤT SINH
LỢI TRUNG BÌNH VÀ ĐỘ BIẾN THIÊN SUẤT SINH LỢI CỦA THỊ TRƯỜNG
CHỨNG KHOÁN MỸ VÀ NHẬT LÊN THỊ TRƯỜNG CHỨNG KHỐN VIỆT NAM
2- NHIỆM VỤ KHĨA LUẬN:
• Tìm hiểu mơ hình ARCH/GARCH
•

Ứng dụng mơ hình GARCH để nghiên cứu ảnh hưởng của suất sinh lợi trung bình và
độ biến thiên suất sinh lợi trung bình của thị trường chứng khốn Mỹ và Nhật lên thị
trường chứng khốn Việt Nam.

•

Nghiên cứu ảnh hưởng của khối lượng giao dịch lên độ biến thiên suất sinh lợi.

3- NGÀY GIAO NHIỆM VỤ : 11/2010
4- NGÀY HOÀN THÀNH NHIỆM VỤ : 18/04/2011
5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS. DƯƠNG NHƯ HÙNG
Nội dung và đề cương Khóa luận thạc sĩ đã được Hội Đồng Chuyên Ngành thông qua.

CÁN BỘ HƯỚNG DẪN

TS. DƯƠNG NHƯ HÙNG

CHỦ NHIỆM BỘ MÔN
QUẢN LÝ CHUYÊN NGÀNH


LỜI CẢM ƠN

Trước tiên, tôi xin chân thành cảm ơn TS. Dương Như Hùng đã dành thời
gian và công sức để hướng dẫn tơi hồn thành khóa luận này.
Đồng thời, tôi cũng xin gởi lời cảm ơn sâu sắc đến quý Thầy Cô trong khoa
Quản Lý Công Nghiệp đã tận tình chỉ dạy và truyền đạt cho tơi những kiến
thức và kinh nghiệm quý báu trong suốt quá trình học tại trường ĐHBK.
Xin gửi lời cám ơn chân thành đến ba, em, cô chú, và những người bạn đã
động viên và hỗ trợ tôi rất nhiều trong thời gian học tập.
Trân trọng
Học viên cao học khóa 2009
Lâm Nguyễn Thiên Phương


TĨM TẮT KHĨA LUẬN

Nghiên cứu này sử dụng mơ hình ARMA(1,1)-GARCH(1,1)-M để khảo sát
ảnh hưởng lan truyền suất sinh lợi trung bình và sự biến thiên suất sinh lợi từ TTCK
Mỹ và Nhật tới TTCK Việt Nam. Ngoài ra, nghiên cứu này cũng xét ảnh hưởng của
khối lượng giao dịch lên sự biến thiên của suất sinh lợi. Kết quả thực nghiệm với dữ
liệu từ tháng 1/2005 đến tháng 12/2010 như sau:
(1) Mơ hình ARMA(1,1)-GARCH(1,1)-M chưa phải là mơ hình tốt nhất để mô
tả độ biến thiên suất sinh lợi của TTCK Việt Nam.
(2) Khối lượng giao dịch có ảnh hưởng lên độ biến thiên.
(3) Có ảnh hưởng lan truyền suất sinh lợi và độ biến thiên suất sinh lợi từ TTCK
Mỹ và Nhật lên TTCK Việt Nam.
(4) Ảnh hưởng lan truyền suất sinh lợi của TTCK Mỹ lên TTCK Việt Nam lớn
hơn ảnh hưởng lan truyền của TTCK Nhật lên TTCK Việt Nam.


ABSTRACT

This study investigates the mean return and volatility spillover effects from the
two influential stock markets of the U.S. and Japan to the stock market of Vietnam
by analyzing ARMA(1,1)-GARCH(1,1)-M model. In addition, this study
investigates the impact of trading volume on volatility. The empirical results from
examining the data for the period of 2005 to 2010 are as follows:
(1) The ARMA(1,1)-GARCH(1,1)-M employed is not the best model to explain
return volatility of Vietnamese stock market.
(2) Trading volume influences return volatility.
(3) There are significant return and volatility spillover effects from the U.S. and
Japanese markets to Vietnamese stock market.
(4) The U.S. market appears to be more influential than the Japanese market in
transmitting return and volatility to Vietnamese market.

1

MỤC LỤC
CHƯƠNG 1: MỞ ĐẦU................................................................................................ 3
1.1. LÝ DO HÌNH THÀNH ĐỀ TÀI............................................................................. 3
1.2. MỤC TIÊU NGHIÊN CỨU.................................................................................... 4
1.3. Ý NGHĨA NGHIÊN CỨU ...................................................................................... 4
1.4. PHẠM VI NGHIÊN CỨU ...................................................................................... 4
CHƯƠNG 2: CƠ SỞ NGHIÊN CỨU......................................................................... 5
2.1. CÁC NGHIÊN CỨU TRƯỚC ĐÂY ...................................................................... 5
2.2. LÝ THUYẾT THỊ TRƯỜNG HIỆU QUẢ............................................................. 5
2.3. PHÂN TÍCH CHUỖI THỜI GIAN ........................................................................ 6
2.3.1. Tính dừng của chuỗi thời gian..................................................................... 6
2.3.2. Phương sai của sai số thay đổi (Heteroscedasticity) ................................... 7
2.3.3. Tương quan chuỗi........................................................................................ 7
2.4. MƠ HÌNH ARCH ................................................................................................... 8
2.4.1. Giới thiệu mơ hình ARCH .......................................................................... 8
2.4.2. Kiểm định ảnh hưởng ARCH .................................................................... 10
2.4.3. Xác định bậc của mơ hình ARCH(q) ........................................................ 11
2.4.4. Ước lượng mơ hình ARCH ....................................................................... 11
2.5. MƠ HÌNH GARCH .............................................................................................. 12
2.5.1. Giới thiệu mơ hình GARCH...................................................................... 12
2.5.2. Mơ hình GARCH-M (GARCH-in-Mean) ................................................. 13


2

CHƯƠNG 3: MƠ HÌNH VÀ DỮ LIỆU NGHIÊN CỨU........................................ 14
3.1. DỮ LIỆU ............................................................................................................... 14
3.2. MƠ HÌNH NGHIÊN CỨU ................................................................................... 16

3.2.1. Mơ hình ảnh hưởng lan truyền khơng có biến khối lượng giao dịch ........ 17
3.2.2. Mơ hình ảnh hưởng lan truyền khi có biến khối lượng giao dịch ............. 19
CHƯƠNG 4: KẾT QUẢ THỰC NGHIỆM ............................................................. 20
4.1. PHÂN TÍCH DỮ LIỆU ........................................................................................ 20
4.2. PHÂN TÍCH TƯƠNG QUAN .............................................................................. 24
4.3. ẢNH HƯỞNG LAN TRUYỀN SUẤT SINH LỢI VÀ ĐỘ BIẾN THIÊN ......... 25
4.3.1. Ảnh hưởng lan truyền khơng có biến khối lượng giao dịch...................... 25
4.3.2. Ảnh hưởng lan truyền khi có biến khối lượng giao dịch .......................... 29
CHƯƠNG 5: KẾT LUẬN ......................................................................................... 34
TÀI LIỆU THAM KHẢO ......................................................................................... 35
PHỤ LỤC .................................................................................................................... 37


3

CHƯƠNG 1: MỞ ĐẦU

1.1.

LÝ DO HÌNH THÀNH ĐỀ TÀI
Ngày 20/7/2000, Trung tâm giao dịch chứng khốn TP.HCM đã chính thức khai

trương, đi vào vận hành, và thực hiện phiên giao dịch đầu tiên vào ngày 28/7/2000 với
2 loại cổ phiếu niêm yết. Thị trường chứng khoán (TTCK) Việt Nam sau hơn 10 năm
hình thành và phát triển đến nay đã có hàng trăm cơng ty niêm yết tại Sở giao dịch
chứng khoán TP.HCM và Sở giao dịch chứng khoán Hà Nội. Sự phát triển này khơng
chỉ về lượng mà cịn về chất khi mà hàng loạt các công ty đầu ngành của mọi ngành
nghề trong xã hội đều đã lần lượt niêm yết. Việc niêm yết đã giúp các công ty tiếp cận
nguồn vốn một cách dễ dàng hơn, với chi phí rẻ hơn và đã khơi thơng “mạch máu” cho
sự phát triển lớn mạnh của mình.

Hiện nay, việc Việt Nam trở thành thành viên của tổ chức WTO đã mang lại
nhiều cơ hội cho việc phát triển kinh tế cũng như thị trường chứng khoán. Thực tế, thị
trường chứng khoán Việt Nam bắt đầu bùng nổ từ năm 2006 và tiếp tục tăng trưởng
trong năm 2007. VN-Index đạt kỷ lục với 1170 điểm vào ngày 12/3/2007. Tuy nhiên
đến năm 2008, do chịu ảnh hưởng của cuộc khủng hoảng tài chính xuất phát từ Mỹ,
VN-Index giảm điểm. Tình trạng sụt giảm của TTCK Việt Nam cũng tương tự như
nhiều TTCK trên thế giới. Liệu có tương quan hay ảnh hưởng lan truyền từ thị trường
các nước phát triển tới thị trường chứng khốn Việt Nam? Nghiên cứu này ứng dụng
mơ hình GARCH (Bollerslev, 1986) để khảo sát ảnh hưởng lan truyền này. Phần lớn
các nghiên cứu về sự ảnh hưởng lan truyền suất sinh lợi và độ biến thiên của suất sinh
lợi đều tập trung vào các thị trường phát triển như Mỹ, Nhật và các nước châu Âu,
châu Á phát triển khác như Anh, Hàn Quốc, Đài Loan, Trung Quốc, Singapore… Cũng
có các nghiên cứu về thị trường các nước mới nổi ở Đông Nam Á như Malaysia,


4

Indonesia (Trang & Kakinaka, 2010) nhưng có rất ít nghiên cứu về hiệu ứng này ở Việt
Nam.
1.2.

MỤC TIÊU NGHIÊN CỨU
Nghiên cứu này ứng dụng mơ hình GARCH để:

• Khảo sát ảnh hưởng của khối lượng giao dịch lên độ biến thiên suất sinh lợi.
• Kiểm chứng hiệu ứng ảnh hưởng lan truyền suất sinh lợi trung bình và độ biến
thiên suất sinh lợi từ thị trường chứng khoán Mỹ và Nhật lên thị trường chứng
khoán Việt Nam.
1.3.

Ý NGHĨA NGHIÊN CỨU
Ứng dụng mơ hình GARCH để giải thích sự biến thiên suất sinh lợi và dự báo giá

cổ phiếu trên thị trường chứng khoán Việt Nam. Nghiên cứu ảnh hưởng lan truyền từ
các thị trường chứng khoán phát triển như Mỹ, Nhật tới thị trường chứng khoán mới
nổi như Việt Nam giúp cho nhà đầu tư có thể dự báo sự biến động của giá cổ phiếu
thông qua các thông tin từ các thị trường đó, từ đó có chiến lược đầu tư thích hợp để
đạt được lợi nhuận kỳ vọng.
1.4.

PHẠM VI NGHIÊN CỨU
Nghiên cứu khảo sát ảnh hưởng làn truyền suất sinh lợi, độ biến thiên của suất

sinh lợi và khối lượng giao dịch của thị trường chứng khoán: Mỹ, Nhật lên thị trường
chứng khoán Việt Nam, từ tháng 1/2005 đến tháng 12/2010. Các chỉ số chứng khoán
của từng thị trường Mỹ, Nhật, Việt Nam được chọn để nghiên cứu lần lượt là S&P 500
(Standard & Poors 500 Composite Index), Nikkei 225 và VN-Index.


5

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. CÁC NGHIÊN CỨU TRƯỚC ĐÂY
Có rất nhiều nghiên cứu về sự tương quan và ảnh hưởng lan truyền của suất sinh
lợi trung bình và sự biến thiên về giá giữa các thị trường chứng khoán trên thế giới.
Phần lớn các nghiên cứu này cho thấy những bằng chứng về sự dịch chuyển từ những
thị trường lớn như Mỹ, Nhật lên những thị trường đã phát triển hoặc mới nổi.
Hamao, Masulis và Ng (1990) nghiên cứu mối quan hệ trong ngắn hạn của giá
chứng khoán và sự biến thiên của giá giữa ba thị trường chứng khoán Mỹ, Nhật và

Anh. Liu và Pan (1997) nghiên cứu hiệu ứng lan truyền suất sinh lợi và sự biến thiên từ
thị trường Mỹ và Nhật tới thị trường của bốn nước châu Á (Hồng Kông, Singapore,
Đài Loan và Thái Lan) trong thời kỳ 1984 tới 1991. Ngoài ra, nghiên cứu của Park và
Fatemi (1993) cũng cho thấy có sự dịch chuyển từ các thị trường phát triển đến các thị
trường mới nổi ở châu Á. Kết quả nghiên cứu rất gần đây của Trang và Kakinaka
(2010) cho thấy có sự ảnh hưởng lan truyền của thị trường Mỹ, Nhật và Trung Quốc
lên thị trường các nước Đông Nam Á như Indonesia và Malaysia.
Các nghiên cứu thường sử dụng mơ hình ARCH và GARCH và các mơ hình mở
rộng từ hai mơ hình này để mơ hình hóa sự biến thiên của suất sinh lợi cũng như sự ảnh
hưởng lan truyền suất sinh lợi và sự biến thiên về suất sinh lợi giữa các thị trường.
2.2. LÝ THUYẾT THỊ TRƯỜNG HIỆU QUẢ
Theo Fama (1970), giá chứng khoán điều chỉnh ngay lập tức và phản ánh đầy đủ
tất cả những thơng tin liên quan tới nó. Nói cách khác, thị trường vốn hiệu quả về mặt
thông tin. Nếu một thị trường là hiệu quả thì khơng có một nhà đầu tư nào có thể tạo ra


6

được lợi nhuận tăng thêm (excess return) trong dài hạn. Có ba dạng thị trường hiệu
quả:
• Thị trường hiệu quả dạng yếu (weak form): Các nhà đầu tư không thể tạo ra
được lợi nhuận tăng thêm nếu chỉ sử dụng thông tin trong quá khứ như giá cổ
phiếu, khối lượng giao dịch…
• Thị trường hiệu quả dạng trung bình (semistrong form): Các thông tin được
công bố cũng không giúp dự báo giá tương lai. Các thông tin được công bố bao
gồm các thông báo về lợi tức và cổ tức, các báo cáo thường niên, thông tin về
phát hành cổ phiếu mới…
• Thị trường hiệu quả dạng mạnh (strong form): Không một nhà đầu tư nào (kể cả
các lãnh đạo cơng ty, các nhà quản lý quỹ..) có thể tạo ra được lợi nhuận tăng
thêm khi sử dụng thông tin được cơng bố cũng như thơng tin nội bộ.

Tính hiệu quả của thị trường hàm ý rằng không thể dự báo được suất sinh lợi từ
các biến trong quá khứ. Nói cách khác, nhà đầu tư khơng thể thắng được thị trường hay
tạo ra lợi nhuận tăng thêm trong một thời gian dài.
2.3. PHÂN TÍCH CHUỖI THỜI GIAN
2.3.1. Tính dừng của chuỗi thời gian
Một khái niệm quan trọng trong các quy trình phân tích chuỗi thời gian là tính
dừng. Một quá trình ngẫu nhiên Yt được xem là dừng nếu như: trung bình và phương
sai của q trình khơng thay đổi theo thời gian, giá trị của đồng phương sai giữa hai
thời đoạn chỉ phụ thuộc vào khoảng cách hay độ trễ về thời gian giữa hai thời đoạn này
chứ không phụ thuộc vào thời điểm thực tế mà đồng phương sai được tính.


7

Tính dừng của một chuỗi thời gian có thể được nhận biết dựa trên đồ thị của
chuỗi thời gian, đồ thị của hàm tự tương quan mẫu hay kiểm định Dickey-Fuller (kiểm
định nghiệm đơn vị).
2.3.2. Phương sai của sai số thay đổi (Heteroscedasticity)
Các mơ hình kinh tế lượng cổ điển đều giả định phương sai của sai số là không
đổi theo thời gian (homoscedasticity). Tuy nhiên trong nhiều trường hợp liên quan đến
dữ liệu chéo hoặc dữ liệu nhóm thì giả thuyết này có thể sai. Hiện tượng phương sai
của sai số thay đổi cũng xuất hiện trong dữ liệu chuỗi thời gian tài chính vì giá của các
tài sản tài chính có khuynh hướng dao động rất nhiều khi có ảnh hưởng của các tin tức
tốt và xấu có liên quan.
Nếu ta bỏ qua phương sai của sai số thay đổi thì các ước lượng và dự báo dựa trên
các ước lượng đó vẫn khơng thiên lệch và nhất qn. Tuy nhiên, ước lượng OLS khơng
cịn là BLUE (Best Linear Unbiased Estimator) và sẽ không hiệu quả, các dự báo cũng
sẽ khơng hiệu quả. Ngồi ra, phương sai và đồng phương sai ước lượng của các hệ số
hồi quy sẽ thiên lệch và do đó các kiểm định giả thuyết (kiểm định t và F) khơng cịn
hiệu lực.

Các phương pháp kiểm định phương sai của sai số thay đổi: Phương pháp đồ thị
(chỉ có tính gợi ý về phương sai của sai số thay đổi và không thay thế được kiểm định
chính thức), kiểm định nhân tử Lagrange, kiểm định Goldfeld-Quandt, kiểm định của
White.
2.3.3. Tương quan chuỗi
Một giả định khác trong mơ hình hồi quy tuyến tính cổ điển là các số hạng sai số
ut và us cho các quan sát khác nhau t và s là phân phối độc lập. Tính chất này gọi là độc
lập chuỗi. Tuy nhiên, trong kinh tế lượng chuỗi thời gian, giả định này thường sẽ bị vi


8

phạm. Các số hạng sai số cho các thời đoạn khơng q cách xa có thể tương quan với
nhau. Tính chất này gọi là tương quan chuỗi hay tự tương quan. Cũng giống như hiện
tượng phương sai của sai số thay đổi, khi có tương quan chuỗi thì các ước lượng OLS
vẫn không thiên lệch và nhất quán nhưng không hiệu quả. Trong trường hợp tự tương
quan dương và biến độc lập Xt tăng lên theo thời gian (rất thường xảy ra trong chuỗi
thời gian), các giá trị ước lượng của sai số chuẩn theo OLS có xu hướng nhỏ hơn các
sai số chuẩn thực sự của tổng thể. Điều này có nghĩa rằng R2 tính tốn sẽ là một ước
lượng quá cao (dễ nhầm lẫn mức độ phù hợp cao) và các trị thống kê t sẽ có xu hướng
có ý nghĩa hơn giá trị thực sự của chúng. Nói chung, các sai số chuẩn của hệ số hồi quy
OLS sẽ bị lệch và khơng nhất qn, và vì thế việc kiểm định thống kê sẽ khơng cịn
đáng tin cậy nữa.
Các kiểm định chuỗi thời gian có tương quan chuỗi thường dùng gồm có: kiểm
định Durbin-Watson (kiểm định tương quan chuỗi bậc một), kiểm định nhân tử
Lagrange của Breusch-Godfrey hoặc thống kê Q của Ljung-Box.
2.4. MƠ HÌNH ARCH
2.4.1. Giới thiệu mơ hình ARCH
Độ biến thiên (volatility) là một vấn đề được rất nhiều nhà nghiên cứu cũng như
nhà đầu tư quan tâm bên cạnh suất sinh lợi. Các nghiên cứu về chuỗi thời gian cịn cho

thấy thêm một tính chất của độ biến thiên là độ biến thiên có tính tập trung (volatility
clustering), nghĩa là các thay đổi lớn trong suất sinh lợi dường như theo sau bởi những
thay đổi khác trước khi có xu hướng giảm xuống. Tuy nhiên, các mơ hình hồi quy cổ
điển khơng mơ tả được độ biến thiên thay đổi theo thời gian này.
Mô hình ARCH (Autoregressive Conditional Heteroscedasticity – phương sai của
sai số thay đổi có điều kiện tự hồi quy) là mơ hình đầu tiên mơ hình hóa độ biến thiên
được đề xuất bởi Engle (1982). Trong mơ hình này, sai số dự báo của chuỗi suất sinh


9

lợi, ε t , khơng có tương quan chuỗi nhưng phụ thuộc, với trung bình bằng 0 và phương
sai có điều kiện của ε t là σ t2 . Sự phụ thuộc của ε t được mô tả bằng một hàm đơn giản
gồm bình phương các giá trị trễ của nó. Mơ hình ARCH đơn giản nhất là mơ hình
ARCH(1) có dạng:

ε t = ztσ t , σ t2 = α 0 + α1ε t2−1

(2.1)

Tổng qt, mơ hình ARCH(q) có dạng:
q

ε t = ztσ t , σ t2 = α 0 + α1ε t2−1 + ... + α qε t2− q = α 0 + ∑ α iε t2−i

(2.2)

i =1

Trong đó { zt } là chuỗi các biến ngẫu nhiên độc lập và phân phối giống nhau (iid independent and identically distributed) với trung bình bằng 0 và phương sai bằng 1, và

α 0 >0, α i ≥ 0 với i > 0 . Các hệ số α i phải thỏa mãn một số điều kiện để đảm bảo
phương sai không điều kiện của ε t là xác định. Thực tế, zt thường được giả định là có
phân phối chuẩn hoặc phân phối Student chuẩn hóa.
Từ phương trình (2.2) ta thấy nếu sai số trong quá khứ bình phương lớn thì
phương sai có điều kiện σ t2 sẽ lớn. Điều này hàm ý rằng các sai số lớn có xu hướng
theo sau các sai số lớn khác. Đặc điểm này giống với tính tập trung của sự biến thiên
(volatility clustering) của chuỗi suất sinh lợi.
Nhược điểm của mơ hình ARCH là mơ hình này giả định rằng các sai số dương
và âm đều ảnh hưởng như nhau lên độ biến thiên bởi vì độ biến thiên phụ thuộc vào
bình phương các sai số trong quá khứ. Trong thực tế, giá của các loại tài sản tài chính
thay đổi khác nhau đối với các sai số dương và âm.


10

2.4.2. Kiểm định ảnh hưởng ARCH
Bước 1: Xác định phương trình trung bình cho chuỗi suất sinh lợi (ví dụ mơ hình
ARMA). Sau đó ước lượng phương trình trung bình theo phương pháp OLS.
k

p

q

i =1

i =1

i =1

rt = ϕ0 + ∑ β i xit + ∑ φi rt −i − ∑ θ iε t −i + ε t

(2.3)

Trong đó: xit là biến giải thích, có thể là biến giả cho ngày thứ hai để nghiên cứu
ảnh hưởng của ngày cuối tuần (effect of weekend), ảnh hưởng của các ngày trong tuần
(day of a week effect)… cho chuỗi suất sinh lợi hàng ngày.
Bậc (p,q) trong mơ hình ARMA có thể phụ thuộc vào tần suất của chuỗi thời gian
suất sinh lợi. Ví dụ: chuỗi suất sinh lợi hàng ngày của chỉ số thị trường (market index)
thường có tương quan chuỗi rất nhỏ, còn chuỗi suất sinh lợi hàng tháng gần như khơng
có tương quan chuỗi.
Bước 2: Sử dụng phần dư trong phương trình trung bình để kiểm định ảnh hưởng
ARCH. Có hai loại kiểm định:
2
• Sử dụng thống kê Ljung-Box Q(m) cho chuỗi {ε t } . Giả thuyết H0 là m độ trễ

đầu tiên của chuỗi ε t2 bằng 0.
• KIểm định nhân tử Lagrange của Engle (1982):
Ước lượng phương trình hồi quy phụ:

ε t2 = α 0 + α1ε t2−1 + ... + α qε t2− q + ξ i

H0: α1 = α 2 = ... = α q


11

Tính R 2 * T với R 2 là hệ số xác định của phương trình hồi quy phụ, T là số quan
sát của chuỗi dữ liệu. Thống kê này sẽ tuân theo phân phối χ 2 với bậc tự do là số độ

trễ q. Nếu trị thống kê tính tốn χ 2 lớn hơn χ 2 tra bảng thì chúng ta bác bỏ giả thiết
H0. Khi đó ta có thể kết luận rằng chuỗi dữ liệu đang xét có ảnh hưởng ARCH.
2.4.3. Xác định bậc của mơ hình ARCH(q)
Có thể sử dụng hàm tư tương quan PACF để xác định bậc của mơ hình ARCH.
Từ phương trình (2.2) ta có:

σ = α0 + α ε
2
t

2
1 t −1

+ ... + α ε

2
q t −q

q

= α 0 + ∑ α iε t2−i
i =1

Với một mẫu xác định, ε t2 là một ước lượng khơng lệch của σ t2 . Do đó ta có thể
2
2
2
kỳ vọng rằng ε t2 có quan hệ tuyến tính với ε t −1 , ε t − 2 , ε t − q giống như mơ hình tự hồi

quy bậc q. Chú ý rằng ε t2 không phải là một ước lượng hiệu quả của σ t2 nhưng có thể

dùng để ước lượng bậc q của mơ hình.
2
2
Đặt ηt = ε t − σ t . Mơ hình ARCH trở thành:

ε t2 = α 0 + α1ε t2−1 + ... + α qε t2− q + ηt
Phương trình trên có dạng của mơ hình AR(q) cho ε t2 , chỉ khác là {ηt } không
phải là chuỗi iid. Dùng hàm PACF để xác định bậc q.
2.4.4. Ước lượng mơ hình ARCH
Phương trình trung bình và phương trình phương sai được ước lượng đồng thời
bằng các phương pháp thích hợp cực đại (Maximum Likelihood Estimation), thích hợp


12

cực đại gần đúng (Quasi Maximum Likelihood Estimation), GMM (Generalized
Method of Moments).
2.5. MƠ HÌNH GARCH
2.5.1. Giới thiệu mơ hình GARCH
Mặc dù mơ hình ARCH đơn giản nhưng nó thường u cầu phải có nhiều thơng
số mới có thể mơ tả được quá trình biến thiên của suất sinh lợi. Trong mơ hình
ARCH(q), khi q lớn (điều này đặc biệt đúng trong tài chính khi sử dụng dữ liệu ngày
hoặc tuần) thì việc ước lượng rất nhiều hệ số α i sẽ khó chính xác. Bollerslev (1986) đã
mở rộng mơ hình ARCH thành mơ hình ARCH tổng qt (Generalized ARCH hay mơ
hình GARCH). Mơ hình GARCH(p,q) có dạng:
q

p

i =1

j =1

ε t = ztσ t ; σ t2 = α 0 + ∑ α iε t2−i + ∑ β jσ t2− j
Trong đó: α i ≥ 0, β j ≥ 0, và

max( p , q )

∑
i =1

(2.4)

(α i + β j ) < 1

Điều kiện ràng buộc của (α i + β j ) hàm ý rằng phương sai không điều kiện của ε t
là xác định, cịn phương sai có điều kiện thì thay đổi theo thời gian. Cũng tương tự như
mơ hình ARCH, zt thường được giả định là có phân phối chuẩn hoặc phân phối
Student chuẩn hóa.
Trong phương trình (2.4), nếu p = 0 thì mơ hình trở thành mơ hình ARCH (q).
Nếu p = q = 0 thì ε t chính là nhiễu trắng.
Biến đổi phương trình (2.4) như sau:
2
2
2
2
2
Đặt ηt = ε t − σ t ; σ t = ε t − ηt .

13

2
2
2
Thay σ t −i = ε t −i − ηt −i (i = 0, . . .,s) vào phương trình (2.4). Khi đó, mơ hình

ARCH được viết lại thành:

ε t2 = α 0 +

max( p , q )

∑
i =1

p

(α i + β i )ε t2−i − ∑ β jηt2− j + ηt

(2.5)

j =1

Phương trình (2.5) giống như mơ hình ARMA cho ε t2 , chỉ khác là {ηt } không
phải là chuỗi iid. Do đó có thể dùng hàm tư tương quan ACF và PACF để xác định bậc
(p,q) của mơ hình GARCH. Tuy nhiên, các kết quả nghiên cứu thực nghiệm cho thấy
p=q=1 cũng đủ để mô tả quá trình biến thiên (Akgiray, 1989 và Bollerslev, 1992). Mơ
hình GARCH (1,1) có dạng:

σ t2 = α 0 + α1ε t2−1 + β1σ t2−1

(2.6)

Các trường hợp mơ hình GARCH (p,q) với bậc p, q lớn hơn thường chỉ được
dùng trong các chuỗi dữ liệu dài (ví dụ như dữ liệu ngày của vài thập kỷ hay dữ liệu
giờ của vài năm).
2.5.2. Mơ hình GARCH-M (GARCH-in-Mean)
Mơ hình này của Engle, Lilien và Robins (1987) bao gồm thành phần phương sai
có điều kiện trong cơng thức trung bình. Nó mơ tả được sự đánh đổi (trade-off) giữa lợi
nhuận và rủi ro. Lý thuyết tài chính cho rằng phương sai lớn (nghĩa là rủi ro lớn) sẽ tạo
ra lợi nhuận kỳ vọng lớn. Để mơ tả hiện tượng này, ta dùng mơ hình GARCH-in-Mean
(GARCH-M). Mơ hình đơn giản GARCH(1,1)-M có dạng:

rt = ϕ 0 + ϕ1σ t2 + ε t

(2.7)

σ t2 = α 0 + α1ε t2−1 + β1σ t2−1

(2.8)

ϕ1 được gọi là hệ số phần thưởng bù đắp rủi ro. ϕ1 > 0 cho thấy suất sinh lợi có

quan hệ đồng biến với sự biến thiên.


14

CHƯƠNG 3: DỮ LIỆU VÀ MƠ HÌNH NGHIÊN CỨU

3.1. DỮ LIỆU
Dữ liệu sử dụng trong nghiên cứu này là giá đóng cửa hàng ngày và khối lượng
giao dịch của các chỉ số của ba thị trường chứng khoán: Việt Nam (VN-Index), Mỹ
(S&P 500), Nhật (Nikkei 225) từ ngày 5/1/2005 đến 30/12/2010.
Chỉ số VN-Index được lấy từ trang web www.cophieu68.com, có kiểm tra lại với
dữ liệu của website của Sở giao dịch chứng khoán TP.HCM. Hiện nay, VN-Index là
chỉ số đại diện cho tất cả cổ phiếu niêm yết tại Sở giao dịch chứng khốn TP.HCM.
VN-Index được tính bằng phương pháp bình qn trọng số theo quy mơ vốn hóa thị
trường (value-weighted index hay capitalization-weighted index).
S&P 500 và Nikkei 225 được lấy từ trang web finance.yahoo.com. S&P 500
(Standard & Poor’s 500 Composite Index) là một chỉ số bao gồm 500 loại cổ phiếu
được lựa chọn từ 500 cơng ty có mức vốn hóa thị trường lớn nhất của Mỹ. S&P 500
được tính bằng phương pháp bình qn trọng số theo quy mơ vốn hóa thị trường.
Nikkei 225 là chỉ số của 225 cổ phiếu của 225 công ty lớn nhất của Nhật, niêm yết trên
Sở giao dịch chứng khoán Tokyo. Nikkei 225 được tính bằng phương pháp bình qn
theo giá (price-weighted index).
Suất sinh lợi hàng ngày của từng chỉ số được tính theo cơng thức:

⎛ p ⎞
rt = ln ⎜ t ⎟ *100
⎝ pt −1 ⎠
Trong đó, pt , pt −1 là chỉ số vào ngày t và t-1.

(3.1)


15

Khối lượng giao dịch hàng ngày của từng chỉ số được hiệu chỉnh theo công thức:

⎛ volumet ⎞
Vt = ln ⎜
⎟ *100
volume
t −1 ⎠
⎝

(3.2)

Trong đó, volumet , volumet −1 là giá trị khối lượng giao dịch vào ngày t và t-1 lấy từ
website. Việc hiệu chỉnh khối lượng giao dịch như công thức trên nhằm chuyển chuỗi
khối lượng giao dịch không dừng thành chuỗi {Vt } là chuỗi dừng. Sau đây, chuỗi
“khối lượng giao dịch” được hiểu là chuỗi {Vt } .
Việc tính tốn và xử lý số liệu được thực hiện bằng phần mềm excel như sau. Đầu
tiên tính suất sinh lợi và khối lượng giao dịch theo công thức (3.1) và (3.2). Lấy dữ liệu
của một thị trường làm gốc (ví dụ dữ liệu S&P 500), sau đó dị tìm những giá trị suất
sinh lợi và khối lượng giao dịch của hai thị trường còn lại tương ứng với ngày giao
dịch của thị trường Mỹ. Với những giá trị bị trống (missing data) do những ngày mà
các thị trường chứng khốn khơng cùng hoạt động (ngày nghỉ của thị trường này nhưng
là ngày mở cửa giao dịch của thị trường khác) thì dữ liệu của các ngày đó sẽ bị xóa để
đảm bảo dữ liệu được liên tục khi xử lý bằng phần mềm Eviews.
Bảng 3.1: Giờ giao dịch của các thị trường theo giờ EST
Nước

Giờ giao dịch EST (Eastern Standard Times)

Mỹ

9:30 a.m. - 4:00 p.m.

Nhật

7:00 p.m. - 1:00 a.m.

Việt Nam

8:30 p.m. - 11:00 p.m.


16

3.2. MƠ HÌNH NGHIÊN CỨU
Nghiên cứu này sử dụng mơ hình GARCH và cách tiếp cận 2 bước trong mơ hình
của Liu và Pan (1997) và mơ hình của Trang (2010) để kiểm tra ảnh hưởng lan truyền
suất sinh lợi và sự biến thiên của TTCK Mỹ và Nhật lên TTCK Việt Nam. Ngoài ra,
nghiên cứu này cũng khảo sát ảnh hưởng của khối lượng giao dịch lên suất sinh lợi và
độ biến thiên, so sánh tác động lan truyền của 2 trường hợp có và khơng có biến khối
lượng giao dịch.
Mơ hình giả định chỉ có tác động lan truyền từ TTCK Mỹ tới TTCK các nước và
tác động lan truyền từ TTCK Nhật tới TTCK Việt Nam, không có tác động ngược lại.
Có 2 trường hợp tác động:
• Trường hợp 1: chỉ có TTCK Mỹ tác động tới TTCK Việt Nam.
• Trường hợp 2: cả 2 TTCK Mỹ và Nhật tác động tới TTCK Việt Nam.
Hình 3.1: Sơ đồ ảnh hưởng lan truyền
eUS
US

VN

US

eUS

eUS

JP

eJP
VN

Trong bước thứ nhất, mơ hình GARCH được sử dụng để mơ hình hóa suất sinh
lợi trung bình và sự biến thiên của TTCK Mỹ. Bước thứ hai, phần dư từ mơ hình (eUS)
sẽ được đưa vào mơ hình GARCH của TTCK Nhật và Việt Nam. Đối với trường hợp 2


17

(xem hình 3.1), phần dư từ mơ hình GARCH của TTCK Nhật (eJP) sẽ được sử dụng để
khảo sát tác động của TTCK Nhật tới TTCK Việt Nam.
3.2.1. Mơ hình ảnh hưởng lan truyền khơng có biến khối lượng giao dịch:
Bước 1: Sử dụng mơ hình ARMA(1,1)-GARCH(1-1)-M ước lượng suất sinh lợi và sự
biến thiên của từng thị trường Mỹ, Nhật và Việt Nam như nghiên cứu của Liu và Pan
(1997) và Trang (2010). Trong từng bước, nghiên cứu này đều khảo sát trường hợp
khơng có tác động lan truyền để so sánh với trường hợp có tác động lan truyền.
4

rt = ϕ0 + ϕ1rt −1 + ϕ2σ + ϕ3ε t −1 + ∑ d j D j ,t + ε t
2
t

(3.3)

j =1

σ t2 = α 0 + α1σ t2−1 + α 2ε t2−1

(3.4)

Trong đó:
rt là suất sinh lợi tính theo ngày của các chỉ số S&P 500, Nikkei 225 và VN-Index.

D j ,t là biến giả (biến dummy) cho các ngày thứ hai, thứ ba, thứ tư và thứ năm dùng để

giải thích ảnh hưởng của các ngày trong tuần tới suất sinh lợi trung bình.

ε t là phần dư (hay suất sinh lợi không kỳ vọng), được giả định là có phân phối chuẩn
với trung bình bằng 0 và phương sai σ t2 thay đổi theo thời gian.
Theo Hamao (1990) và Liu và Pan (1997), mơ hình ARMA(1,1) hay MA(1) được
sử dụng trong phương trình trung bình để điều chỉnh sự tương quan chuỗi của chuỗi
suất sinh lợi. Ngồi ra, việc ước lượng mơ hình GARCH-M với q trình trung bình
trượt MA bậc cao hơn cũng khơng làm tăng ý nghĩa thống kê của các thông số MA bậc
cao so với MA(1) (Hamao, 1990).


18

Bước 2: Nghiên cứu ảnh hưởng lan truyền từ TTCK Mỹ và Nhật tới TTCK Việt Nam
Phần dư từ mô hình GARCH của thị trường Mỹ (eUS) sẽ được sử dụng để khảo
sát ảnh hưởng lan truyền. Do sự chênh lệch múi giờ giữa các thị trường (xem bảng

3.1), một cú sốc của TTCK Mỹ vào ngày t sẽ ảnh hưởng tới TTCK Việt Nam và Nhật
vào ngày t+1. Do đó ta sẽ đưa biến phần dư trễ 1 ngày của TTCK Mỹ vào TTCK Việt
Nam và Nhật.
4

rt = ϕ0 + ϕ1rt −1 + ϕ2σ t2 + ϕ3ε t −1 + ∑ d j D j ,t + λUS eUS ,t −1 + ε t

(3.5)

2
σ t2 = α 0 + α1σ t2−1 + α 2ε t2−1 + γ US eUS
,t −1

(3.6)

j =1

2
Trong đó: eUS ,t −1 và eUS ,t −1 là phần dư và phần dư bình phương của TTCK Mỹ. Ta khảo

sát ảnh hưởng lan truyền lên suất sinh lợi và độ biến thiên nên eUS ,t −1 được đưa vào
2
phương trình trung bình và eUS ,t −1 được đưa vào phương trình phương sai.

Phương trình (3.5) và (3.6) khảo sát ảnh hưởng lan truyền của TTCK Mỹ tới TTCK
Việt Nam và Nhật. Tiếp theo, phần dư từ mô hình GARCH của TTCK Nhật sẽ được
dùng để khảo sát ảnh hưởng lan truyền của cả hai TTCK Mỹ và Nhật tới TTCK Việt
Nam:
4

rt = ϕ0 + ϕ1rt −1 + ϕ2σ + ϕ3ε t −1 + ∑ d j D j ,t + λUS eUS ,t −1 + λJP eJP ,t + ε t

(3.7)

2
2
σ t2 = α 0 + α1σ t2−1 + α 2ε t2−1 + γ US eUS
,t −1 + γ JP eJP ,t

(3.8)

2
t

j =1

2
Trong đó: eJP ,t và eJP ,t là phần dư và phần dư bình phương của TTCK Nhật.


19

3.2.2. Mơ hình ảnh hưởng lan truyền khi có biến khối lượng giao dịch:
Phần này thực hiện các bước tương tự như trên, chỉ khác là có đưa thêm biến khối
lượng giao dịch vào phương trình phương sai. Các mơ hình gồm có:
Bước 1:
4

rt = ϕ0 + ϕ1rt −1 + ϕ2σ + ϕ3ε t −1 + ∑ d j D j ,t + ε t
2

t

(3.9)

j =1

σ t2 = α 0 + α1σ t2−1 + α 2ε t2−1 + α 3Vt

(3.10)

Bước 2, trường hợp 1:
4

*
rt = ϕ0 + ϕ1rt −1 + ϕ2σ t2 + ϕ3ε t −1 + ∑ d j D j ,t + λUS eUS
,t −1 + ε t

(3.11)

*2
σ t2 = α 0 + α1σ t2−1 + α 2ε t2−1 + α 3Vt + γ US eUS
,t −1

(3.12)

j =1

Bước 2, trường hợp 2:
4

*
*
rt = ϕ0 + ϕ1rt −1 + ϕ2σ t2 + ϕ3ε t −1 + ∑ d j D j ,t + λUS eUS
,t −1 + λJP eJP ,t + ε t

(3.13)

*2
*2
σ t2 = α 0 + α1σ t2−1 + α 2ε t2−1 + α 3Vt + γ US eUS
,t −1 + γ JP eJP ,t

(3.14)

j =1

*
*2
*
*2
Trong đó eUS
,t −1 , eUS ,t −1 , eJP ,t , eJP ,t là phần dư và phần dư bình phương của TTCK Mỹ và

Nhật khi có ảnh hưởng của khối lượng giao dịch.
Ước lượng các thơng số của mơ hình bằng phần mềm Eview 5.0, trong đó
phương pháp ước lượng là phương pháp thích hợp cực đại gần đúng (quasi-maximim
likehood) của Bollerslev và Wooldridge (1992).