Tác động của chỉ số thị trường chứng khoán Trung Quốc đến chỉ số thị trường chứng khoán Việt Nam

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

79

TÁC ĐỘNG CỦA CHỈ SỐ THỊ TRƯỜNG CHỨNG KHOÁN TRUNG QUỐC ĐẾN
CHỈ SỐ THỊ TRƯỜNG CHỨNG KHỐN VIỆT NAM
Nguyễn Thị Việt Nga*
TĨM TẮT: Bài viết tìm hiểu tác động củachỉ số của thị trường chứng khoán Trung Quốc đến chỉ số của thị
trường chứng khoán Việt Nam. Dữ liệu theo ngày được thu thập từ ngày 17 tháng 5 năm 2016 đến ngày
17 tháng 5 năm 2019, gồm 724 quan sát. Để mô tả mối quan hệ giữa các biến này, tác giả sử dụng mơ
hình tự hồi quy phân phối trễ. Kết quả cho thấy, trong ngắn hạn, chỉ số của thị trường chứng khoán Việt
Nam bị ảnh hưởng bởi những biến đổi trong q khứ của chính nó và bị ảnh hưởng bởi chỉ số của thị
trường chứng khoán Trung Quốc cùng ngày. Trong dài hạn vẫn tồn tại mối quan hệ cân bằng dài hạn giữa
chỉ số thị trường chứng khoán Việt Nam thị trường chứng khoán Trung Quốc. Mối quan hệ giữa hai chỉ số
thị trường chứng khoán trong ngắn hạn và dài hạn đều là quan hệ cùng chiều.
Từ khóa: chỉ số thị trường chứng khốn, Trung Quốc, Việt Nam, mơ hình tự hồi quy phân phối trễ.

1. GIỚI THIỆU
Q trình tồn cầu hóa của các thị trường tài chính quốc tế làm sự tương tác giữa các thị
trường chứng khốn tăng lên thơng qua các tiến bộ trong công nghệ thông tin và viễn thông
giúp tăng cường mối quan hệ giữa các thị trường khác nhau, điều này dẫn đến sự bất ổn kinh tế
của những nước phát triển hoặc các nước có quy mơ kinh tế lớn sẽ ảnh hưởng nhiều hơn đến thị
trường chứng khoán các quốc gia nhỏ và đang phát triển. Hệ quả của hiện tượng này là tài sản
được giao dịch ở các thị trường khác nhau sẽ có mức rủi ro tương tự nhau, hay nói cách khác các
tài sản tài chính được giao dịch ở mỗi thị trường riêng biệt sẽ có cùng mức rủi ro và dẫn đến mức
kỳ vọng lợi nhuận là tương tự nhau. Do đó, các nhà đầu tư có thể tận dụng mối tương quan giữa
các thị trường quốc tế và nội địa để tăng lợi nhuận và giảm rủi ro (Shih và cộng sự, 2008; Oliveira
và cộng sự, 2009).
Theo thông tin của Worldbank vào ngày 18/09/2015, nền kinh tế Trung Quốc đã vượt qua
Nhật Bản và trở thành nền kinh tế lớn thứ hai thế giới, chỉ sau Mỹ, thị trường Trung Quốc đã trở
nên quan trọng và ảnh hưởng lớn đến nền kinh tế toàn cầu. Các nhà lãnh đạo của nước này đã tự

tin hơn trên thị trường quốc tế và bắt đầu tác động đến thị trường Châu Á, Châu Phi và Mỹ La Tinh
nhiều hơn, với các hợp đồng có giá trị lớn. Bên cạnh đó, theo Hiệp hội các quốc gia Đông Nam Á
(Association of Southeast Asian Nations), với sự thành lập của Cộng đồng Kinh tế ASEAN (AEC)
vào ngày 31/12/2015, AEC Blueprint 2025 sẽ dẫn dắt khu vực ASEAN trở nên chủ động hơn, tạo
*

Học viện Tài chính, Đức Thắng, Bắc Từ Liêm, Hà Nội, Việt Nam.


80

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

nên cấu trúc và các khuôn khổ hoạt động như một cộng đồng kinh tế. Ngồi ra, Blueprint cịn chắc
chắn rằng các nước thành viên sẽ không chỉ liên kết về kinh tế với nhau, mà còn liên kết một cách
vững chắc với nền kinh tế tồn cầu, góp phần thực hiện mục tiêu phát triển chung. Những sự kiện
này đã góp phần làm cho mối quan hệ giữa thị trường vốn giữa Trung Quốc với các nước trong khu
vực Đông Nam Á trở nên mạnh hơn. Điều này có thể thấy được khi chỉ số Shanghai Composite
của thị trường chứng khoán Trung Quốc vào những ngày đầu năm 2016 giảm quá sâu, có lúc phải
kích hoạt hệ thống ngừng giao dịch đã phần nào khiến cho thị trường chứng khoán của nhiều nước
trên thế giới giảm, trong đó có Việt Nam. Sự kiện này dẫn đến câu hỏi liệu thị trường chứng khốn
của Trung Quốc có ảnh hưởng đến thị trường chứng khốn của Việt Nam khơng là vấn đề cần thiết
nên được xem xét trong bối cảnh thị trường biến động như hiện nay. Do đó, nhóm tác giả thực hiện
bài nghiên cứu nhằm xem xét mối quan hệ giữa thị trường chứng khoán Trung Quốc và Việt Nam.
2. TỔNG QUAN LÝ THUYẾT
Bắt đầu từ giữa thế kỷ thứ XX, sự phát triển của công nghệ thông tin, điện tử và viễn thơng
giúp cho q trình tồn cầu hóa diễn ra nhanh hơn, kéo theo đó là mối liên hệ giữa các thị trường
tài chính trên thế giới cũng mạnh hơn. Sự tương tác hay tính liên kết giữa các thị trường tài chính
dẫn đến việc một cú sốc (shock) trong thị trường tài chính, mà đặc biệt là thị trường tài chính có
quy mơ lớn, sẽ dẫn đến thay đổi trong những thị trường tài chính khác mà chủ yếu là thị trường tài

chính đang phát triển. Điều này dẫn đến tài sản giao dịch giữa các thị trường khác nhau sẽ có rủi
ro tương tự, từ đó tạo ra lợi nhuận tương tự nhau bởi tính liên kết của các thị trường đó. Một khi sự
liên kết giữa các thị trường tài chính mạnh hơn sẽ làm cho các thị trường này thay đổi giống nhau
hơn. Khi đó, một cú sốc trong một chỉ số trên một thị trường chứng khoán dẫn đến thay đổi tương
tự trên các thị trường khác nhau trên thế giới. Nghiên cứu của Otavio R.De Mediros, Gustavo R.De
Oliveira và F.N Van Doornik (2009) cho thấy rằng thị trường chứng khốn Brazil có thể được giải
thích được bằng dữ liệu chứng khốn của Mỹ vài phút trước đó.
Kofman và Martens (1997) nghiên cứu về mối quan hệ giữa hai thị trường chứng khoán riêng
biệt, khi giá chứng khoán của một thị trường dẫn đầu và thị trường còn lại thay đổi tương tự với độ
trễ nhất định. Tác giả đã xem xét mối liên hệ giữa chỉ số chứng khoán London và New York với
kết quả cho thấy rằng thị trường chứng khoán Mỹ có tác động lan tỏa đến thị trường chứng khốn
Anh, mặc dù cũng có vài trường hợp ngược lại. Nếu có thể nắm bắt được mối liên hệ trễ này giữa
các thị trường, các nhà đầu tư sẽ có những cơ hội để thu được các tỷ suất sinh lợi bất thường thông
qua arbitrage. Theo Jiang và cộng sự (2001) định nghĩa tác động lan tỏa là “hiện tượng phản ánh
tình trạng khi sự thay đổi của những mức giá khác nhau thay đổi tương tự nhau”. Điều này cũng
phù hợp với nghiên cứu của Oliveira và cộng sự (2009) cho rằng một thị trường phát triển hơn có
thể đi trước các thị trường khác, và nó có thể dự báo một phần nào đó sự thay đổi trong giá của các
thị trường khác, tạo ra cơ hội “arbitrage”, tạo ra tỷ suất sinh lợi bất thường.
Khi tác động này được phát hiện, nó lại khơng phù hợp với giả thiết thị trường hiệu quả được
phát triển bởi Fama năm 1970, ơng cho rằng giá chứng khốn là bước đi ngẫu nhiên, khơng thể
dự báo, khơng có tỷ suất sinh lợi bất thường do đó khơng thể thực hiện arbitrage. Tuy nhiên, trong
thực tế, có những thị trường phát triển hơn thị trường khác, tạo ra sự khác biệt về đặc tính, cũng
như quy mơ. Ví dụ như thị trường chứng khốn New York (NYSE) lớn hơn ít nhất hai mươi lần so
với thị trường chứng khoán Brazil (Bovespa). Sự tồn tại của các cơ chế tốt hơn để bảo vệ những


HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

81

nhà đầu tư nhỏ lẻ hơn. Bên cạnh đó, những phương tiện thông tin đại chúng điện đại hơn trong
những nước phát triển hơn cũng cung cấp thông tin nhanh hơn và đem lại hiệu quả lớn hơn cho các
nhà đầu tư, do đó, tạo ra nhiều bất lợi cho các nước ít phát triển hơn. Tất cả những đặc điểm này
dẫn đến mức độ phát triển khác nhau giữa các thị trường, tạo điều kiện cho bất cân xứng thông tin
xảy ra.
Khi giả thiết thị trường hiệu quả không đứng vững, giá tài sản trong các thị trường phát triển
có thể phụ thuộc vào ảnh hưởng của việc nắm bắt thông tin nhanh và hiệu quả hơn. Hay nói cách
khác, sự thay đổi giá tài sản trong thị trường lớn hơn - như Mỹ - có thể dự báo được sự thay đổi
giá trong các thị trường kém phát triển hơn như Brazil (Oliveira và cộng sự (2009)), hay theo
nghiên cứu của Bwo-Nung Huang và cộng sự (1999) cho thấy thị trường Nhật Bản, Hồng Kông
và Singapore cũng thể hiện tác động dẫn dắt các thị trường Châu Á mới nổi, nếu như có mối liên
kết mạnh mẽ giữa các thị trường phát triển và mới nổi. Đây là tác động lan tỏa, khi mà sự thay đổi
giá tài sản ở một thị trường dẫn tới sự thay đổi giá tài sản trong các nước khác với một độ trễ. Tình
huống này trái ngược với giả thiết thị trường hiệu quả khi nó có thể giúp dự báo được tỷ suất sinh
lợi thị trường, tạo ra cơ hội kiếm được tỷ suất sinh lợi bất thường ở các thị trường theo sau thơng
qua arbitrage.
Do đó, một số cơng trình nghiên cứu đã đưa ra một số nguyên nhân dẫn đến tác động lan tỏa
trễ này: số lượng nhà phân tích của một công ty, tỷ lệ sở hữu của các tổ chức trong công ty, và khối
lượng giao dịch. Các giải thích mở rộng gồm giao dịch khơng đồng bộ (Lo và MacKinlay, 1990b),
lợi nhuận mong đợi theo thời gian, và truyền dẫn thông tin chậm chạp (Lo và MacKinlay, 1990a).
Nghiên cứu của Kewei (2007) tập trung vào lý do thứ ba rằng tác động lan tỏa là do giá chứng
khoán của một số công ty ảnh hưởng chậm chạp hơn với thông tin hơn những yếu tố khác. Và
những yếu tố kinh tế nào là lý do cho sự truyền dẫn thơng tin chậm chạp trong thị trường chứng
khốn?
Đã có nhiều bài nghiên cứu được thực hiện dựa trên tác động lan tỏa này. Miller (1980) ứng
dụng tác động lan tỏa để xác định giá bán sỉ dẫn dắt giá sản xuất thịt heo ở Mỹ. Đối với thị trường
chứng khoán, tác động lan tỏa được sử dụng bằng nhiều cách khác nhau. Theo Yiu Kuen và WaiSum Chan (2010) thị trường giao sau dẫn dắt thị trường kỳ hạn cho chỉ số S&P500. Nghiên cứu
của Tse (2006) cho thấy mối quan hệ dẫn dắt giữa hợp đồng giao ngay và giao sau của Nikkei và
thấy sự thay đổi trong giá tương lai lấy trễ dẫn dắt sự thay đổi của giá giao ngay, trong ngắn hạn,
nhưng khơng có chiều ngược lại.

Tương tự các các bài nghiên cứu trên, lý thuyết này cũng áp dụng lên các chỉ số của chứng
khoán. Malliaris và Urrutia (1992) xem xét tác động lan tỏa cho chỉ số của 6 chỉ số chứng khoán
lớn: New York S&P500, Tokyo Nikkei, London FT-30, Hồng Kong Hang Seng, Singapore Straits
Times và Australia All Ordinaries. Tác giả đã tìm thấy mối lên hệ giữa các chỉ số vào giai đoạn
trước và sau khủng hoảng 1987 nhưng khơng có tác động lan tỏa tồn tại vào giữa những tháng
khủng hoảng. Oliveira và cộng sự (2009) xem xét sự tồn tại mối liên hệ giữa thị trường chứng
khoán Mỹ và Brazil, lần lượt đại diện bởi chỉ số NYSE và Bovespa. Kết quả cho thấy lợi nhuận
của Bovespa được giải thích bởi sự thay đổi trong những phút trước của NYSE. Mặt khác, Shih và
cộng sự (2008) xem xét được mối quan hệ giữa các chỉ số của thị trường phát triển là Trung Quốc,
Nhật Bản và Mỹ và kết quả cho thấy khơng có mối tương quan giữa các thị trường này. Theo Bwo-


82

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

Nung Huang và cộng sự (1999), thị trường Mỹ có tác động lan tỏa tới các thị trường mới nổi và giá
chứng khoán ở Nhật Bản, Hồng Kong, Singapore cũng thể hiện tác động lan tỏa đến các thị trường
các nước Châu Á mới nổi. Nguyễn Phúc Cảnh và cộng sự (2016) đã nghiên cứu xem xét tác động
lan tỏa của thị trường chứng khoán Trung Quốc đối vớithị trường chứng khoán của 6 nước trong
khu vực Đông Nam Á bao gồm Indonesia,Malaysia, Philippines, Singapore, Thái Lan và Việt Nam
trong giai đoạn từ 2005 - 2015. Thơng qua sử dụng mơ hình véc tơ tự hồi quy, hàm phản ứng đẩy
và phân rã phương sai cho dữ liệu chuỗi thời gian theo ngày, kết quả cho thấy thị trường chứng
khoán Trung Quốc có tác động lan tỏa đến các thị trường 6 nước ASEAN và tác động lan tỏa có
độ trễ từ 2 đến 3 ngày.
Từ những lý thuyết nghiên cứu trên và thực trạng khi chỉ số chứng khoán Trung Quốc giảm
sút đã ảnh hưởng đến chỉ số chứng khoán của các nước khác thị trường chứng khốn Trung Quốc
có tác động lan tỏa đến thị trường chứng khoán Việt Nam hay khơng? Ở phần tiếp theo, nhóm tác
giả sẽ sử dụng những phương pháp kinh tế lượng để kiểm định điều này, tuy nhiên, dữ liệu nghiên
cứu sẽ được cập nhật và phương pháp sử dụng ở đây là sử dụng mơ hình tự hồi quy phân phối trễ.

3. DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Phương pháp nghiên cứu
Phần này sẽ thể hiện phương pháp để đạt được mục tiêu nghiên cứu. Đầu tiên, trong phân
tích dữ liệu chuỗi thời gian, như phân tích các chỉ số chứng khốn trên thị trường tài chính, khi
áp dụng mơ hình hồi quy tuyến tính cổ điển có giả định rằng các chuỗi thời gian là dừng, hay nói
cách khác bước đi của chúng là ngẫu nhiên. Theo cách này, một chuỗi dữ liệu được xem là dừng
nếu trung bình và độ lệch chuẩn của nó là khơng đổi theo thời gian và giá trị của hiệp phương sai
giữa hai chuỗi thời gian phụ thuộc chỉ vào độ trễ giữa hai giai đoạn chứ không phải phụ thuộc vào
thời gian mà hiệp phương sai được tính ra. Trong bài nghiên cứu này, để kiểm định xem chuỗi dữ
liệu có dừng hay khơng, nhóm tác giả sử dụng kiểm định nghiệm đơn vị Augmented Dickey-Fuller
theo nghiên cứu của Dickey và Fuller (1979).
Để xem xét mối quan hệ giữa thị trường chứng khoán Trung Quốc và Việt Nam là dài hạn
hay ngắn hạn nhóm tác giả tiến hành thực hiện kiểm định đồng liên kết Johansen với giả thiết H0 là
không tồn tại đồng liên kết giữa hai thị trường. Nếu bác bỏ giả thiết H0 thì mối quan hệ giữa Trung
Quốc và Việt Nam là dài hạn. Ngược lại, nếu chấp nhận giả thiết H0, hay tồn tại mối quan hệ ngắn
hạn giữa các nước này, nhóm tác giả sẽ thực hiện mơ hình tự hồi quy phân phối trễ (Autoregressive
Distributed Lag, viết tắt là ARDL) Mơ hình này được đề xuất bởi Pesaran, Shin & Smith (1996).
Dạng tốn học của mơ hình ARDL được sử dụng trong bài báo là:
m

n

D(VNINDEX )t =
α 0 + ∑ α i D (VNINDEX )t −i + ∑ βi D ( HANGSENG )t −i + ut ,
=i 1 =i 1

trong đó D là ký hiệu tốn tử lấy sai phân, α i , βi là các hệ số hồi quy, và ut là phần dư có


83

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

tương quan đồng thời nhưng khơng tương quan với trễ của nó và không tương quan với tất cả các
biến độc lập. Do đó vế phải của phương trình hồi quy gồm các biến trễ của các biến độc lập, và ở
đây chúng ta có thể sử dụng phương pháp bình phương tối thiểu.
Quy trình ước lượng mơ hình ARDL có thể được tóm lược qua các bước sau:
- Kiểm định tính dừng của các chuỗi thời gian. Biến đổi các chuỗi thời gian chưa dừng về
chuỗi dừng. Tức là biến đổi để nhận được các chuỗi có kỳ vọng, phương sai và hiệp phương sai
là không đổi theo thời gian.
- Lựa chọn bậc trễ tối ưu cho mơ hình ARDL.
- Ước lượng mơ hình ARDL.
- Kiểm định kết quả ước lượng mơ hình ARDL: Kiểm định dạng hàm; kiểm định tính ổn định
của mơ hình ARDL; kiểm định phần dư của mơ hình ARDL khơng mắc khuyết tật tự tương quan.
- Kiểm định đồng tích hợp để tìm mối quan hệ cân bằng dài hạn giữa các biến.
Chi tiết về mô hình ARDL có thể tìm thấy trong Chương 17 của Gujarati (2004).
3.2. Dữ liệu
Chỉ số thị trường chứng khoán Trung Quốc là Hangseng Composite và chỉ số thị trường
chứng khoán Việt Nam là VNI được thu thập từ , trong giai đoạn từ
ngày 17 tháng 5 năm 2016 đến ngày 17 tháng 5 năm 2019, gồm 724 quan sát. Giai đoạn này là giai
đoạn sau cuộc khủng hoảng tài chính toàn cầu và với dữ liệu khá cập nhật. Một số kết quả thú vị
liên quan đến các thời kỳ thị trường có những biến động mạnh sẽ được nghiên cứu trong các bài
báo khác. Trong chuỗi dữ liệu được thu thập có một số dữ liệu bị thiếu do các ngày lễ và các lý do
khác, tác giả điều chỉnh để tạo nên bộ dữ liệu cân bằng.
4. KẾT QUẢ THỰC NGHIỆM
Các chuỗi số liệu đưa vào phân tích bằng mơ hình ARDL phải là các chuỗi dừng. Tính dừng
là một khái niệm quan trọng khi nghiên cứu về các chuỗi thời gian. Tuy nhiên, trong thực tế, hầu
hết các chuỗi số liệu tài chính là khơng dừng. Trước tiên, chúng ta quan sát đồ thị của các chuỗi
ban đầu như trong Hình 1.
VNI

SHANGHAI_COMPOSITE
3,600

1,300
1,200

3,400

1,100

3,200

1,000
3,000

900

2,800

800
700

2,600

600
2,400

500

III

IV
2016

I

II

III
2017

IV

I

II

III
2018

IV

I

II

III

IV

2016

I

II

III
2017

IV

I

II

III

IV

2018

2019

Hình 1. Đồ thị của các chuỗi VNI và HANGSENG COMPOSITE

I
2019

II

84

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

Hình 1 gợi ý rằng các chuỗi thời gian ban đầu không dừng. Chúng ta khảo sát đồ thị các chuỗi
sai phân bậc nhất của các chuỗi ban đầu như trong Hình 2.
DVNI

DSHANGHAI_COMPOSITE
160

40

120

20

80
40

0

0
-40

-20

-80
-120

-40

-160
-200

-60

III

IV
2016

I

II

III
2017

IV

I

II

III
2018

IV

I

II

III

IV
2016

I

II

III
2017

IV

I

II

III
2018

IV

I

II

2019

2019

Hình 2. Đồ thị của các chuỗi DVNI và DHANGSENG COMPOSITE
Hình 2 gợi ý rằng các chuỗi sai phân bậc nhất của các chuỗi thời gian ban đầu là các chuỗi
dừng. Để minh chứng, chúng ta sử dụng kiểm định nghiệm đơn vị, nhờ một kiểm định phổ biến
là kiểm định Augmented Dicky-Fuller (kiểm định ADF). Kết quả sử dụng kiểm định nghiệm đơn
vị với trễ bậc 4 theo khuyến nghị của Newey-West, với kỹ thuật sử dụng theo dạng mơ hình có
xu hướng và hệ số chặn. Các Bảng 1 và 2 dưới đây lần lượt trình bày các kiểm định ADF cho các
chuỗi thời gian ban đầu, và các chuỗi sai phân bậc nhất của chúng.

Bảng 1. Kết quả kiểm định tính dừng của các chuỗi VNI và HANGSENG COMPOSITE


85

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

Bảng 2. Kết quả kiểm định tính dừng của các chuỗi DVNI và DHANGSENG COMPOSITE
Kiểm định nghiệm đơn vị cho thấy các chuỗi gian ban đầu không dừng, nhưng sau khi lấy sai
phân bậc nhất, chúng ta thu được các chuỗi thời gian dừng. Các kết quả này phù hợp với những dự
đốn ban đầu từ các Hình 1 và 2. Việc sử dụng phương pháp lấy sai phân bậc nhất không chỉ để
thu được các chuỗi thời gian dừng, mà đây còn là một lựa chọn phù hợp khi cần giải thích các hàm
phản ứng. Bởi vì, các chuỗi sai phân này cung cấp thông tin về xu hướng tăng hoặc giảm (theo dấu
của kết quả sai phân) chứ không tập trung cung cấp thông tin về giá trị thực của chuỗi thời gian.
Tiếp theo, chúng ta thực hiện thống kê mơ tả cho thấy các biến đều có độ lệch chuẩn cao, thể
hiện sự biến động mạnh của các biến này. Giá trị thống kê Jarque-Bera ở mức cao cho thấy rằng

các chuỗi đều khơng có phân phối chuẩn.
 Mean

DVNI

 Median

 Maximum

 Mini Skew Jarque  Std. Dev.
 Kurtosis
 Probability
mum
ness
Bera

 Sum

 Ob Sum Sq.
servaDev.
tions

 0.486487  1.110000  37.85000 -56.33  9.756029

-1.14

 9.244214  1331.134

 0.000000

 351.7300  68720.04

 723

DSHANGHAI  0.053416  1.890000  157.0500 -171.9  30.42501
COMPOSITE

-0.535

 7.708474  702.3827

 0.000000

 38.62000  668341.7

 723

Bảng 3. Thống kê mô tả các sai phân của từng biến
Bước tiếp theo cần xác định độ trễ tối ưu cho mơ hình ARDL. Đây là một công đoạn quan
trọng trước khi ước lượng mô hình ARDL. Cách truyền thống để lựa chọn độ trễ tối ưu là ước
lượng mơ hình ARDL nhiều lần với các trễ giảm dần đến 0. Trong số các mô hình ARDL được ước
lượng, chúng ta lựa chọn mơ hình nào có giá trị tiêu chuẩn thơng tin Hannan-Quin nhỏ nhất. Trong
bài báo này, tác giả thử các trễ đến tối đa bậc 12 và lựa chọn được mơ hình được khuyến nghị theo


86

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

tiêu chuẩn Hannan-Quin là mơ hình ARDL(2,0). Hình 3 sau đây chỉ minh họa tiêu chuẩn cho 20

mơ hình có kết quả tốt hơn cả, trong đó có mơ hình tốt nhất nói trên.
Hannan-Quinn Criteria (top 20 models)
7.346
7.344
7.342
7.340
7.338
7.336
7.334
7.332

ARDL(8, 0)

ARDL(2, 3)

ARDL(6, 2)

ARDL(9, 0)

ARDL(3, 2)

ARDL(5, 2)

ARDL(1, 0)

ARDL(4, 2)

ARDL(7, 0)

ARDL(6, 1)

ARDL(3, 1)

ARDL(2, 2)

ARDL(4, 1)

ARDL(5, 1)

ARDL(2, 1)

ARDL(6, 0)

ARDL(3, 0)

ARDL(4, 0)

ARDL(5, 0)

ARDL(2, 0)

7.330

Hình 3. Minh họa tiêu chuẩn Hann-Quin cho 20 mơ hình tốt nhất
Kết quả ước lượng mơ hình ARDL được trình bày trong Bảng 4 sau đây.

Dynamic regressors (12 lags, automatic):
D(SHANGHAI_COMPOSITE)
Fixed regressors: C
Number of models evalulated: 156

Selected Model: ARDL(2, 0)
Note: final equation sample is larger than selection sample
Coefficie
nt
Std. Error t-Statistic Prob.*

Variable
D(VNI(-1))
D(VNI(-2))
D(SHANGHAI_COM
POSITE)
C
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

-0.039778 0.035668 -1.115232 0.2651
0.119079 0.035801 3.326116 0.0009
0.084552 0.011497 7.354260 0.0000
0.448229 0.348521 1.286088 0.1988
0.090668
0.086863

Mean dependent var 0.495534
S.D. dependent var 9.768021
Akaike info

9.334144criterion
7.310768
62469.51 Schwarz criterion 7.336180
Hannan-Quinn
-2631.532criter.
7.320578
23.83033 Durbin-Watson stat 2.007488
0.000000

*Note: p-values and any subsequent tests do not account for
model selection.
Bảng 4. Kết quả ước lượng mơ hình ARDL(2,0)


HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

87

Tuy mơ hình ARDL(2,0) là mơ hình tốt nhất trong số các mơ hình theo tiêu chuẩn HannanQuin, nhưng có thể nhận thấy, sau khi ước lượng, có một hệ số hồi quy khơng có ý nghĩa thống kê
ở mức ý nghĩa 5%, đó là DVNI(-1). Chúng ta có thể ước lượng lại mơ hình, sau khi bỏ các biến này
khỏi mơ hình, như trong Bảng 5. Các hệ số hồi quy trong mơ hình ở Bảng 5 đều có ý nghĩa thống
kê ở mức ý nghĩa 5%. Có thể nhận thấy các hệ số hồi quy của các biến có ý nghĩa thống kê trong
mơ hình ở Bảng 4 và Bảng 5 sai lệch nhau không nhiều.

Dependent Variable: D(VNI)
Method: Least Squares
Included observations: 721 after adjustments
Variable

Coefficie

nt
Std. Error t-Statistic Prob.

D(VNI(-2))
0.120523 0.035784 3.368075 0.0008
D(SHANGHAI_COM
POSITE)
0.083935 0.011486 7.307794 0.0000
C
0.428103 0.348113 1.229781 0.2192
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.089091
0.086553

Mean dependent var 0.495534
S.D. dependent var 9.768021
Akaike info
9.335728criterion
7.309727
62577.88 Schwarz criterion 7.328786
Hannan-Quinn
-2632.157criter.
7.317084

35.11171 Durbin-Watson stat 2.086869
0.000000

Bảng 5. Kết quả ước lượng mơ hình DVNI sau khi bỏ một số biến
Sau khi xác định được các nhân tố tác động đến biến động của chỉ số thị trường chứng khoán
như khuyến nghị của mơ hình. Trước khi phân tích kết quả, bước tiếp theo, chúng ta cần kiểm định
mơ hình ARDL(2,0) ở trên.
Trước tiên cần kiểm định, phần dư của mơ hình không mắc khuyết tật tự tương quan, nhờ
kiểm định nhân tử Lagrange (Lagrang Multiplier, viết tắt là LM) như trong Bảng 6.

Breusch-Godfrey Serial
Correlation LM Test:

Breusch-Godfrey Serial
Correlation LM Test:

Prob.
Prob.
F-statistic 1.394257 F(1,717)
0.2381 F-statistic 0.696466 F(2,716)
0.4987
Obs*RProb. ChiObs*RProb. Chisquared
1.399314 Square(1)
0.2368 squared
1.399937 Square(2)
0.4966
Bảng 6. Kiểm định LM về hiện tượng tự tương quan của phần dư của mơ hình ARDL


88

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

Như vậy, mơ hình ARDL(2,0) có phần dư khơng mắc khuyết tật tự tương quan bậc 1 hay bậc 2.
Kết quả kiểm định dạng hàm Ramsey RESET như trong Bảng 7 thể hiện dạng hàm là chưa
phù hợp. Có lẽ tác động của chỉ số thị trường chứng khoán Trung Quốc đến chỉ số thị trường chứng
khoán Việt Nam cần thêm biến để thể hiện con đường truyền dẫn. Điều này sẽ được thực hiện trong
một nghiên cứu tiếp theo.
Ramsey RESET Test
Equation: UNTITLED
Specification: D(VNI) D(VNI(-2))
D(SHANGHAI_COMPOSITE) C
Omitted Variables: Squares of fitted values
Probabilit
Value
df
y
3.986542
717
0.0001
15.89252 (1, 717)
0.0001
15.80664
1
0.0001

t-statistic
F-statistic
Likelihood ratio

Bảng 7. Kết quả kiểm định dạng hàm
Kết quả kiểm định tính ổn định của mơ hình được thực hiện nhờ tổng tích lũy
của phần dư (CUSUM: Cumulative Sum of Recursive Residuals). Kết quả trong Hình
4 cho thấy tổng tích lũy của phần dư nằm trong dải tiêu chuẩn ứng với mức ý nghĩa
5% nên có thể kết luận phần dư của mơ hình có tính ổn định và vì thế mơ hình là ổn định.
80
60
40
20
0
-20
-40
-60
-80

III

IV
2016

I

II

III

IV

2017
CUSUM

I

II

III
2018

IV

I

II

2019

5% Significance

Hình 4. Minh họa tổng tích lũy của phần dư và khoảng tin cậy 5%
Như vậy, mơ hình ARDL (2,0) tạm thời có thể là phù hợp để mô tả tác động của chỉ số thị
trường chứng khoán Trung Quốc đến chỉ số thị trường chứng khoán Việt Nam. Kết quả cho thấy,
trong ngắn hạn, chỉ số của thị trường chứng khoán Việt Nam bị ảnh hưởng bởi những biến đổi
trong quá khứ của chính nó 2 ngày trước và bị ảnh hưởng bởi chỉ số thị trường chứng khoán Trung
Quốc ngay lập tức (trong ngày).


HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

89

Tiếp theo, để xem trong dài hạn có tồn tại mối quan hệ cân bằng giữa chỉ số thị trường chứng
khoán Việt Nam và chỉ số thị trường chứng khoán Trung Quốc, chúng ta thực hiện kiểm định đồng
tích hợp. Kết quả khẳng định tồn tại mối quan hệ đồng tích hợp được trình bày trong Bảng 8.

ARDL Cointegrating And Long Run Form
Dependent Variable: D(VNI)
Selected Model: ARDL(2, 0)
Included observations: 721
Cointegrating Form
Variable

Coefficie
nt
Std. Error t-Statistic Prob.

D(VNI(-1), 2)
-0.119079 0.035801 -3.326116 0.0009
D(SHANGHAI_COMP
OSITE, 2)
0.084552 0.011497 7.354260 0.0000
CointEq(-1)
-0.920699 0.051442 -17.897803 0.0000
Cointeq = D(VNI) - (0.0918*D(SHANGHAI_COMPOSITE) +
0.4868 )
Long Run Coefficients
Variable

Coefficie
nt
Std. Error t-Statistic Prob.

D(SHANGHAI_COMP
OSITE)
0.091835 0.013005 7.061405 0.0000
C
0.486836 0.377565 1.289409 0.1977
Bảng 8. Kết quả kiểm định mối quan hệ cân bằng dài hạn giữa các biến
Trong kiểm định đồng tích hợp, hệ số hồi quy đồng tích hợp mang dấu âm (-0.920699) và có
ý nghĩa thống kê ở mức 5% (giá trị xác suất rất nhỏ) thể hiện rằng tồn tại mối quan hệ đồng tích
hợp giữa các biến. Tức là trong dài hạn khi hệ thống đang ở trạng thái cân bằng, khi có cú sốc nào
đó xảy ra thì các biến trong mơ hình có xu hướng vận động, “kéo” cả hệ “quay về” trạng thái cân
bằng, tức là có xu hướng vận động ngược chiều (dấu âm của hệ số đồng tích hợp) so với các biến
động đó. Phương trình đồng tích hợp, hay phương trình thể hiện mối quan hệ cân bằng dài hạn
giữa các biến là:
DVNI = 0.091835*DHANGSENG_COMPOSITE + 0.486836.
4. KẾT LUẬN
Nghiên cứu đã chỉ ra trong ngắn hạn, chỉ số thị trường chứng khoán Trung Quốc trong ngày
có tác động đến chỉ số thị trường chứng khốn Việt Nam, và tác động đó là tác động cùng chiều.
Nói cách khác, biến động của chỉ số thị trường chứng khốn Việt Nam khơng chỉ chịu ảnh hưởng


90

HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

của chính nó trong q khứ gần mà cịn do đóng góp của các thơng tin từ thị trường chứng khốn
Trung Quốc. Kết quả của nghiên cứu này cũng có ý nghĩa quan trọng đối với các nhà đầu tư. Các
nhà đầu tư trên thị trường chứng khoán Việt Nam nên theo dõi chặt chẽ thông tin về chỉ số thị
trường chứng khoán Trung Quốc như một chỉ báo.
Trong dài hạn, tồn tại mối quan hệ cân bằng giữa chỉ số thị trường chứng khoán Trung Quốc

và chỉ số thị trường chứng khốn Việt Nam. Bởi vậy việc phân tích, dự báo chỉ số thị trường chứng
khoán Việt Nam trong dài hạn cũng cần quan tâm thêm đến chỉ số thị trường chứng khoán Trung
Quốc. Một lần nữa, trong dài hạn, chỉ số thị trường chứng khốn Trung Quốc cũng có tác động
cùng chiều đến chỉ số thị trường chứng khoán Việt Nam.
Để thấy được mối quan hệ chặt chẽ và giúp đo lường rủi ro danh mục đầu tư gồm các tài sản
trên chúng ta cần khảo sát cấu trúc phụ thuộc giữa các chỉ số, bằng một số phương pháp khác như
phương pháp copula. Ngồi ra, có thể đưa thêm vào mơ hình các biến kinh tế thế giới khác, như
chỉ số thị trường chứng khoán các quốc gia khác trên thế giới, các biến kinh tế vĩ mô. Điều này sẽ
được thực hiện trong các nghiên cứu tiếp theo của tác giả.
TÀI LIỆU THAM KHẢO

1.Bwo-Nung H., Soong-Nark S. and Yang, C. W.(1999), “State Dependent Correlation and

Lead-Lag Relation when Volatility of Markets is Large: Evidence from the US and Asian Emerging
Markets”,Journal of economic development, vol. 24, No.2.

2.Dickey, D. A. and Fuller, W. A, (1979), “Distribution of the estimators for autoregressive

time series with a unit root”,Journal of American Statistical Association, 74:427-431.

3.Gujarati, D. N. (2004), Basic Econometrics, Gary Burke, New York.
4.JIANG, L.; FUNG, J. K. W.; CHENG, L. T. W.(2001), “The Lead-lag relation between spot

and futures markets under different short-selling regimes”,The Financial Review, No. 38, pp.6388.

5.Kewei H. (2007), “Industry information diffusion and the lead-lag effect in stock

returns”,The Review of Financial Studies, pp.1113-1138.

6.Kofman, P.; Martens, M. (1997), “Interaction between stock markets: an analysis of the

common trading hours at the London and New York stock exchange”,Journal of International
Money and Finance, Volume 16, Issue 3, pp. 387­414.

7.Lo, A. W., and MacKinlay, A. C.(1990a), “When are contrarian profits due to stock market

overreaction?”The review of financial studies,Vol.3, No. 2.

8.Lo, A. W., and MacKinlay, A. C.(1990b), “An econometric analysis of nonsynchronous

trading”,Journal of Econometrics, Vol. 45, pp.181-211.

9.Malliaris, A. G.; Urrutia J. L.(1992), “The international crash of October 1987: causality

tests”,The Journal of Financial and Quantitative Analysis,Vol.. 27, No. 3, pp. 353-364.

10. Miller, S. E. (1980), “Lead-lag relationships between pork prices at the retail, wholesale,

and farm levels”, Southern Journal of Agricultural Economics, pp. 73-76.


HỘI THẢO QUỐC TẾ: PHÁT TRIỂN KINH TẾ VÀ KINH DOANH BỀN VỮNG TRONG ĐIỀU KIỆN TỒN CẦU HĨA

91

11. Nguyễn Phúc Cảnh, Phan Gia Quyền, Hà Thị Mỹ Duyên (2016), “Tác động lan tỏa từ

thị trường chứng khoán Trung Quốc đến thị trường chứng khốn các quốc gia Đơng Nam Á”, Tạp
chí Kinh tế đối ngoại.

12. Otavio R. D. M., Gustavo R.D. Oliveira and Bernardus, Doornik, F.N V.(2009),
“Testing for lead-lag effects between the American and the Brazilian stock markets”,Brazilian
Businessreview, Vol.6, Issue1, pp.1-20.

13. Pesaran, M. H. ; Shin, Y. and Smith, R. J. (1996), “Testing for the Existence of a Long-

run Relationship”, Working paper.

14. Shih, M. L., Hsiao, S. H. and Chen, F. S. H.(2008), “The Association of China Stock

Index with Japan and US”,Journal of Convergence Information Technology. 3(2):13-22.

15. Tse, Y. K. (2006), “Lead-lag relationship between spot index and futures price of the
nikkei stock average”, Journal of Forecasting, Vol. 14, pp.553-563.

16. Yiu Kuen TSE, Wai-Sum Chan, (2010), “The Lead-Lag Relationship between the S&P
500 Spot and Futures Markets: An Intraday-Data Analysis Using Threshold Regression Model”,
Japanese Economic Review, Vol. 61.