675
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
ẢNH HƯỞNG CỦA ASVI TỚI LỢI NHUẬN CỦA CÁC CÔNG TY
TRONG NHÓM VN30, SỬ DỤNG PHƯƠNG PHÁP PHÂN TÍCH GARCH
Lương Minh Hoàng
Đào Thị Thanh Bình
Đào Mai Hương
Phạm Thị Mỹ Phương
Trường Đại học Hà Nội
Email: hoanglm@hanu.edu.vn , binhdtt@hanu.edu.vn,
maihuong@hanu.edu.vn, phuongptm@hanu.edu.vn
Tóm tt: Chỉ số VN30 bao gồm là các cổ phiếu có vốn hoá lớn, và có tính định hướng
thị trường, cũng như mục tiêu làm các quỹ ETF. Chính vì vậy, các yếu tố ảnh hưởng lên lợi
nhuận của cổ phiếu các công ty trong nhóm VN30 luôn được các nhà đầu tư đặc biệt quan tâm,
vì nó là yếu tố quyết định tới tỷ suất sinh lời tại các thời điểm cụ thể. Bài viết này nhằm mục
tiêu phân tích ảnh hưởng của chỉ số khối lượng tìm kiếm của Google - Search Volume Index
bất thường (ASVI) tới các chuỗi lợi nhuận theo tuần của 44 cổ phiếu trong nhóm VN30, ứng
dụng mô hình GARCH, trên bộ dữ liệu 3/1/2018-29/12/2022. Kết quả cho thấy chỉ có một số
cổ phiếu có sự ảnh hưởng đáng kể của ASVI lên lợi nhuận, một số khác là không có ảnh hưởng
có ý nghĩa thống kê. Ngoài ra phần lớn các chuỗi lợi nhuận trong nhóm VN30 là có phương sai
sai số theo mô hình Garch(1,1).
Từ khóa: VN30, lợi nhuận cổ phiếu, mô hình GARCH, SVI, ASVI.
1. Mở đầu
Thị trường chứng khoán Việt Nam cũng giống như các thị trường chứng khoán khác trên
thế giới, chịu sự ảnh hưởng của các biến động kinh tế cũng như sự thay đổi trong tâm trạng và
quan tâm của nhà đầu tư. Ở một thị trường còn non trẻ, tâm trạng cũng như sự quan tâm của
nhà đầu tư được kỳ vọng sẽ được phản ánh lên động lực và biến động của thị trường. Nhờ sự
phát triển vượt bậc của công nghệ trong những năm gần đây, việc thu thập dữ liệu và định lượng
các yếu tố tâm lý trở nên dễ dàng và thuận tiện hơn. Điều này mở ra các cơ hội mới để có thể
thực hiện các nghiên cứu phân tích sâu rộng hơn mối quan hệ giữa lợi tức cổ phiếu và sự chú ý
của nhà đầu tư.
Nghiên cứu này được thực hiện nhằm đánh giá sự ảnh hưởng của sự chú ý của nhà đầu tư
lên lợi tức của các cổ phiếu đã và đang trong chỉ số VN30, sử dụng dữ liệu trong giai đoạn từ
ngày 1 tháng 1 năm 2018 đến ngày 31 tháng 12 năm 2022. Sử dụng chỉ số khối lượng tìm kiếm
của Google - Search Volume Index (SVI) cho các mã cổ phiếu (stock ticker), sự thay đổi trong
sự chú ý của nhà đầu tư sẽ được thể hiện ở sự biến động của chỉ số SVI. Trong nghiên cứu này,
lợi tức theo tuần của các cổ phiếu trong chỉ số VN30 sẽ được hồi quy theo sự bất thường ở chỉ
số SVI (ASVI) cùng biến điều khiển là phần bù rủi ro thị trường (MRP). Kết quả cho thấy ở
hầu hết các cổ phiếu trong VN30, ASVI không có ý nghĩa thống kê trong việc dự báo lợi tức
của cổ phiếu.
676
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
Ngoài ra, trong nghiên cứu này, mô hình GARCH - Generalized Autoregressive
Conditional Heteroskedasticity cũng được sử dụng để kiểm tra sự hợp lý của giả định về tính
đồng phương của phương sai trong phương pháp hồi quy OLS. Ngoại trừ cổ phiếu GRV, độ
biến động của các phần dư là không đồng nhất và phần lớn là theo mô hình GARCH(1,1) ở các
cổ phiếu thuộc chỉ số VN30 được nghiên cứu.
Bài nghiên cứu được cấu trúc như sau. Phần 2 là tổng quan lý thuyết trong đó thảo luận
về các nghiên cứu đã được công khai và kết quả của chúng. Phần 3 mô tả dữ liệu và phương
pháp luận của bài viết. Các kết quả và hạn chế của bài nghiên cứu sẽ được trình bày trong phần
4. Phần 5 là kết luận và các hướng nghiên cứu trong tương lai.
2. Tổng quan lý thuyết
2.1. Lý thuyết thị trường hiệu quả và sự quan tâm của nhà đầu tư
Lý thuyết thị trường hiệu quả (EMH) có hàm ý quan trọng đối trong lĩnh vực nguyên cứu
hàn lâm và thực tiễn trong việc giải thích hành vi giá cổ phiếu. Tuy nhiên, lý thuyết này cũng
nhận được nhiều tranh cãi. Sau nhiều thập kỷ nghiên cứu, các nhà nghiên cứu vẫn chưa đạt
được sự đồng thuận về việc liệu thị trường có hiệu quả hay không. Theo Giả thuyết Thị trường
hiệu quả do Fama (1970) phát triển, một thị trường hiệu quả khi giá cổ phiếu phản ánh tất cả
thông tin sẵn có. Nếu cổ phiếu bị định giá sai, các nhà kinh doanh chênh lệch giá sẽ nhanh
chóng nắm giữ vị thế trên thị trường và giá cổ phiếu cuối cùng sẽ quay trở lại trạng thái cân
bằng. Bản chất của một thị trường hiệu quả được xây dựng dựa trên hai ý tưởng chính: trong
thị trường hiệu quả, thông tin có sẵn được phản ánh vào giá cổ phiếu và do đó, các nhà đầu tư
không thể kiếm được lợi nhuận cao hơn so với thị trường Có nhiều tài liệu nghiên cứu thực
nghiệm khẳng định EMH với nhiều mức độ hiệu quả thị trường khác nhau: Nisar và Hanif
(2012a, 2012b) chỉ ra một số thị trường Châu Á Thái Bình Dương, Châu Mỹ và Châu Âu tuân
theo hiệu quả thị trường dạng yếu – khi giá chứng khoán phản ánh đầy đủ mọi thông tin dữ liệu
lịch sử, do đó nhà đầu tư sẽ không tìm kiếm được lợi nhuận dựa trên cơ sở các thông tin này;
Brealey và cộng sự (2011) nhận thấy rằng tổng lợi nhuận thặng dư phải bằng 0 hoặc âm, Malkiel
(2011) chỉ ra rằng hơn 66% quỹ tương hỗ của Hoa Kỳ mang lại ít lợi nhuận hơn so với chuẩn.
Từ những thập kỷ cuối của thế kỷ 20, nhiều nghiên cứu về EMH đã kết luận về tính kém
hiệu quả như: phản ứng thái quá của nhà đầu tư và hiệu ứng tháng Một (De Bondt và Thaler,
1985), hiệu ứng doanh nghiệp nhỏ (Malkiel, 2003), Hành vi bước đi ngẫu nhiên của giá
(Malkiel, 2012). Nhiều nghiên cứu tìm ra các yếu tố khác nhau, được chứng minh là giải thích
cho sự thay đổi tỷ suất sinh lợi cổ phiếu. Fama và French (1993) khuyến nghị rằng sự thay đổi
trong lợi nhuận cổ phiếu được xác định bởi phần bù rủi ro thị trường, quy mô và giá trị công ty.
Fama và French (2015) sau đó đã bổ sung thêm hai yếu tố nữa là khả năng sinh lời và đầu tư để
giải thích sự biến động của tỷ suất sinh lợi của cổ phiếu. Jagadeesh và Titman (1993) xác định
rằng hiệu ứng momentum có khả năng giải thích sự thay đổi của giá cổ phiếu. Hiệu ứng
momentum là tình huống các cổ phiếu hoạt động tốt hơn (hoạt động kém hơn) thị trường trong
vài tháng qua có xu hướng hoạt động tốt hơn (tệ hơn) so với thị trường trong những tháng tiếp
theo.
Một số minh chứng mâu thuẫn với EMH có thể được giải thích bằng Tài chính hành vi,
trong đó chỉ ra rằng sự thay đổi trong lợi nhuận chứng khoán có thể phát sinh từ sự bất hợp lý
của những người tham gia thị trường. Hành vi phi lý của các nhà đầu tư có thể dẫn đến việc
định giá sai cổ phiếu trong ngắn hạn cũng như bong bóng tài sản dài hạn (Degutis & Novickyte,
677
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
2014). Một nghiên cứu của Baker và Nofsinger (2010) đã chỉ ra những hiện tượng phi lý phổ
biến nhất bao gồm Hiệu ứng ám ảnh về mất mát (Loss aversion), tự tin quá mức
(overconfidence), hiệu ứng mỏ neo (anchoring) hay thiên vị xác nhận (confirmation bias). Mô
hình Tự tin thái quá (Overconfidence) do Daniel và cộng sự (1998) đề xuất khẳng định rằng
các nhà đầu tư có thể quá tự tin về thông tin cá nhân mà họ đã dày công tạo ra. Tin tức công
khai sau đó cũng ảnh hưởng đến giá theo cách tương tự do sự thiên vị tự quy của nhà đầu tư.
Do đó, sự tự tin thái quá ban đầu càng trở nên trầm trọng hơn, từ đó tạo ra hiệu ứng momentum.
Theo Da và cộng sự (2011), sự chú ý là điều kiện cần thiết để các hành vi thành kiến có
ảnh hưởng đến giao dịch và giá tài sản, khi có nhiều nhà đầu tư cá nhân chú ý đến một cổ phiếu
hơn, sự tự tin quá mức của họ tổng hợp lại có nhiều khả năng ảnh hưởng đến giá tài sản và tạo
ra hiệu ứng momentum mạnh mẽ hơn. Vì sự chú ý là nguồn lực khan hiếm nên các nhà đầu tư
bán lẻ chỉ tìm cách mua những cổ phiếu thu hút được sự chú ý của họ; ngược lại, khi muốn bán
cổ phiếu, họ thường chỉ có thể nhìn thấy những cổ phiếu mà họ đã sở hữu (Barber và Odean,
2008). Trong thời đại internet và sự phổ biến của công cụ tìm kiếm như Google, các nhà đầu tư
thường có những nguồn thông tin giống nhau và có thể đưa ra những đánh giá cổ phiếu tương
tự nhau, điều này có thể dẫn đến hiệu ứng momentum mạnh mẽ hơn.
Có một số biến đại diện gián tiếp đo lường sự quan tâm của nhà đầu tư như khối lượng
giao dịch và lợi nhuận cực đại (Barber & Odean, 2008), thông tin mới (Baker & Wurgler, 2006),
chi phí quảng cáo (Gustavo et al., 2004), bản tin mới (Tetlock, 2007). Những biện pháp này giả
định rằng các nhà đầu tư sẽ quan tâm đến những cổ phiếu có tỷ suất lợi nhuận cực cao và các
cổ phiếu được đề cập trên các phương tiện truyền thông hoặc tin tức. Tuy nhiên, điều này là
không thể đảm bảo. Sau đó, Da và các đồng nghiệp (2011) đề xuất tần suất tìm kiếm tổng hợp
(SVI) của Google là thước đo trực tiếp để đo lường sự quan tâm của các nhà đầu tư. Nguyên
nhân chọn Google SVI là do Google chiếm khoảng 90% trên toàn thế giới (Statcounter, 2023)
trong tổng số truy vấn tìm kiếm. Ở Việt Nam, con số này còn cao hơn, hơn 95% trong 10 năm
qua (2013-2023). Quan trọng hơn, Google SVI cung cấp thước đo trực tiếp và rõ ràng về mức
độ quan tâm của nhà đầu tư.
Nghiên cứu của Da và cộng sự (2011), trên mẫu cổ phiếu Rusell 3000 từ năm 2004 đến
năm 2008, đã kết luận rằng sự gia tăng bất thường của Google SVI (ASVI) có thể dẫn đến giá
cổ phiếu cao hơn nhưng tác động có giảm dần trong năm. Điều này chứng minh giả thuyết EMH
không đúng đối với thị trường cổ phiếu Mỹ trong giai đoạn nghiên cứu. Chỉ số khối lượng tìm
kiếm bất thường, ASVI, là thước đo lường sự quan tâm bất thường của nhà đầu tư, cụ thể, ASVI
được tính bằng log SVI của tuần hiện tại trừ log của SVI trung bình trong 8 tuần qua. Trong
một nghiên cứu tương tự, Joseph và cộng sự (2011) nhận thấy rằng ASVI dự đoán lợi nhuận
cao của cổ phiếu trong tương lai trong một đến hai tuần đầu tiên với sự đảo chiều tiếp theo.
Preis và cộng sự (2013) nhận thấy rằng chiến lược trong đó danh mục đầu tư thị trường được
mua hoặc bán dựa trên ASVI cho kết quả tốt hơn chỉ số thị trường ba lần.
Một số lượng lớn các bài nghiên cứu gần đây cũng cho thấy mối quan hệ tích cực giữa
ASVI và tỷ suất sinh lợi cổ phiếu, đi ngược lại với giả thuyết thị trường hiệu quả. Một nghiên
cứu của Chen & Craig (2023), sử dụng dữ liệu hàng tuần về mức độ quan tâm của nhà đầu tư
bán lẻ tích cực theo ASVI cho mã cổ phiếu, nhận thấy rằng sự quan tâm của nhà đầu tư bán lẻ
tích cực và sự gia tăng quan tâm của nhà đầu tư bán lẻ tích cực có liên quan đến sự gia tăng
nguồn lực của nhà đầu tư, có thể hiểu là liên quan tích cực đến nhu cầu về cổ phiếu và lợi nhuận
678
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
cổ phiếu trong bốn tuần tiếp theo. Tương tự, Desagre và D’Hondt (2021) (thị trường Bỉ, Mỹ,
Pháp và Hà Lan), Yang và cộng sự (2021), Dharani và cộng sự (2021), Swamy và Dharani
(2019) (thị trường Ấn Độ), Takeda và Wakao (2014) (thị trường Nhật Bản) cũng kết luận rằng
ASVI có mối liên hệ thuận chiều với lợi nhuận cổ phiếu.
Mặt khác, Bijl và cộng sự (2016) nhận thấy rằng lượng tìm kiếm cổ phiếu (theo mã) cao
trên Google dẫn đến lợi nhuận âm, khi sử dụng mẫu các công ty S&P 500 từ năm 2008 đến năm
2013. Chen (2017) ghi nhận sự sụt giảm đáng kể về lợi nhuận chứng khoán toàn cầu sau khi có
sự gia tăng chú ý của nhà đầu tư và tác động tiêu cực này rõ ràng hơn ở các nước phát triển như
Mỹ.
Tại Việt Nam, nghiên cứu của Cường Nguyễn và cộng sự (2020) trên mẫu các công ty
niêm yết trên HOSE từ năm 2013 đến năm 2018, cho thấy cường độ tìm kiếm có mối tương
quan dương với lợi nhuận cổ phiếu và khối lượng giao dịch sau đó. Một số nghiên cứu khác tại
thị trường Việt Nam sử dụng Google SVI làm thước đo sự chú ý của nhà đầu tư nhưng không
nghiên cứu mối liên hệ của nó với lợi nhuận cổ phiếu. Một nghiên cứu của Vũ Uyên (2022)
điều tra tâm trạng của các nhà đầu tư liên quan đến đại dịch COVID-19 và phân tích tác động
của nó đến lợi nhuận thị trường chứng khoán Việt Nam bằng cách xây dựng chỉ số sợ hãi
COVID-19 Google SVI. Bài viết của Bùi Xuân Vinh và Nguyễn Thu Hằng (2019) nghiên cứu
mối quan hệ giữa GSV với khối lượng giao dịch, tính thanh khoản và biến động. Một bài báo
khác của Dư Nguyễn và Minh Phạm (2018) điều tra thước đo tâm lý sử dụng SVI của một số
từ khóa trên Google tìm kiếm và ảnh hưởng của nó đến lợi nhuận cổ phiếu. Vì vậy, nghiên cứu
của chúng tôi được thực hiện để khẳng định thêm mối quan hệ giữa ASVI và lợi nhuận của cổ
phiếu VN30 trong giai đoạn gần đây từ 2018 đến 2022, từ đó kiểm định tính hiệu quả của thị
trường cổ phiếu Việt Nam.
Dựa vào tổng quan nghiên cứu, chúng tôi đưa ra giả thuyết sau:
H1: Google ASVI có tác động tích cực lên tỉ suất lợi nhuận của cổ phiếu.
2.2. Mô hình GARCH cho lợi nhuận cổ phiếu
Các nghiên cứu về Google SVI và lợi nhuận cổ phiếu ở đều không tính đến vấn đề phương
sai thay đổi của phần dư (mô hình GARCH/ARCH).
Engle phát triển mô hình ARCH năm 1982, dựa trên quan sát là mô hình lợi nhuận phiếu
giông mô hình trung bình động hơn là dạng tự hồi quy Autoregressive, phương sai của sai số
tại thời điểm t phụ thuộc vào phương sai nhiễu bình phương ở các giai đoạn trước. Bollerslev
(1986) đề xuất mô hình thêm các biến trễ của phương sai có điều kiện vào phương trình phương
sai theo dạng tự hồi quy, trên tạp chí Journal of Econometrics với tên gọi “Generalised
Autogressive Conditional Heteroskedasticity”, và viết tắt là mô hình GARCH. GARCH (1,1)
trở nên là mô hình phổ biến sử dụng trong dự báo lợi nhuận cổ phiểu.
Nghiên cứu về mô hình GARCH trên thị trường chứng khoán Việt Nam có các nghiên
cứu Vương (2004), Hồ và cộng sự (2017), Nguyễn và cộng sự (2022).
H2: Mô hình lợi nhuận cổ phiếu, có phương sai phần dư là mô hình GARCH(1,1).
3. Phương pháp nghiên cứu
3.1. Dữ liệu nghiên cứu
Dữ liệu được sử dụng trong nghiên cứu này là dữ liệu về các cổ phiếu và trái phiếu được
thu thập theo tần suất ngày từ ngày 01 tháng 01 năm 2018 đến ngày 31 tháng 12 năm 2022.
679
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3
Nhóm nghiên cứu tính toán các biến tỷ suất sinh lợi cổ phiếu (R), lợi nhuận phi rủi ro, lợi
nhuận của thị trường, chỉ số khối lượng tìm kiếm của Google (SVI) và chỉ số khối lượng tìm
kiếm bất thường của Google (ASVI) theo bảng 1.
Bảng 1: Các biến sử dụng trong nghiên cứu
Biến
Định nghĩa biến
Nguồn dữ liệu
Ri,t
Tỷ suất sinh lợi cổ phiếu i tháng t
Ri,t= log(Pt/ Pt-1)
Pt và Pt-1 lần lượt là giá đóng cửa điều chỉnh cuối tháng t và
tháng t-1.
Giá cổ phiếu từ
Investing.com
rf
Lợi nhuận phi rủi ro = lãi suất trái phiếu chính phủ 5 năm
Investing.com
Rm
Lợi nhuận của thị trường HOSE - VN-Index hàng ngày
Investing.com
MRP
Phần bù rủi ro thị trường
MRP = Rm - rf
SVI
Chỉ số khối lượng tìm kiếm của Google (SVI)
SVI = (Số lượng truy vấn của từ khóa)/ (Tổng số truy vấn
trên Google)
Google trend
ASVI
Chỉ số khối lượng tìm kiếm bất thường của Google (ASVI)
ASVI= Log SVI của tuần hiện tại – Log SVI trung vị của 8
tuần trước
Tính toán của
nhóm tác giả
dựa trên SVI
Chỉ số Khối lượng Tìm kiếm của Google (Search Volume Index - SVI), là số liệu được
sử dụng để đo lường mức độ phổ biến hoặc sở thích tìm kiếm của một từ khóa hoặc chủ đề cụ
thể trong một khoảng thời gian cụ thể. SVI được thu thập từ trang web Google Xu hướng,
website được thành lập từ năm 2004 chuyên phân tích mức độ phổ biến của các truy vấn tìm
kiếm hàng đầu và cung cấp dữ liệu chỉ số lượng tìm kiếm từ năm 2004 đến nay. Dữ liệu tìm
kiếm của Google có sẵn hàng ngày trong khoảng thời gian tối đa 90 ngày và trên cơ sở hàng
tuần trong khoảng thời gian tối đa 5 năm và trên cơ sở hàng tháng trong khoảng thời gian hơn
5 năm kể từ năm 2004. Khoảng thời gian dữ liệu hàng ngày 90 ngày có thể có ảnh hưởng theo
mùa và có thể không phản ánh hành vi của nhà đầu tư.
Google tính toán SVI dựa trên chuẩn hoá số lượng tìm kiếm cho một cụm từ cụ thể so với
tổng số lượng tìm kiếm trên Google trong một khung thời gian nhất định. SVI được tính như
sau:
SVI = (Số lượng truy vấn của từ khóa)/ (Tổng số truy vấn trên Google)
Tóm lại, giá trị SVI của Google là giá trị tương đối và nằm trong phạm vi từ 0 đến 100
với 100 đại diện cho các từ khóa được tìm kiếm nhiều nhất và 0 ngụ ý các từ khóa có lượt tìm
kiếm thấp nhất trong một khoảng thời gian nhất định. Kết quả là, các từ khóa có SVI bằng 0
không ngụ ý giá trị tuyệt đối là 0 cho tần suất tìm kiếm mà chỉ cho thấy mức độ tìm kiếm phổ
biến cho từ khóa đó là thấp nhất.