Bài giảng Dữ liệu và thống kê mô tả
lượt xem 14
download
Bài giảng Dữ liệu và thống kê mô tả nhằm trình bày các nội dung chính: nghiên cứu mức độ hiệu quả của việc sử dụng các công cụ tài chính phái sinh ở các công ty thực hiện IPO để phòng rủi ro...Bài giảng được trình bày khoa học, súc tích giúp các bạn sinh viên tiếp thu bài học nhanh.
Bình luận(0) Đăng nhập để gửi bình luận!
Nội dung Text: Bài giảng Dữ liệu và thống kê mô tả
- 3. Dữ liệu và phương pháp 3.1 Dữ liệu và thống kê mô tả 3.2. Đo lường tỷ suất sinh lợi từ IPO 3.3. Mô hình ba nhân tố Fama - French 3.4. Hồi qui chéo
- 3.1 Dữ liệu và thống kê mô tả - Mẫu : 180 công ty thực hiện IPO ở Australia - Ngành nghề các cty trong mẫu: vàng (90), kim loại khác (119), khai khoáng (2), năng lượng (49) - Thời gian nghiên cứu: 1994 -> 2004 - Nguồn dữ liệu: Sở giao dịch chứng khoán Australia (ASX) - Mục tiêu: nghiên cứu mức độ hiệu quả của việc sử dụng các công cụ tài chính phái sinh ở các công ty thực hiện IPO để phòng ngừa rủi ro.
- 3.1 Dữ liệu và thống kê mô tả Bảng 1: sự phân bố mẫu nghiên cứu của các công ty khai khoáng tại Australia
- 3.1 Dữ liệu và thống kê mô tả Bảng 1: sự phân bố mẫu nghiên cứu của các công ty khai khoáng tại Australia - Panel A: Các Công ty khai khoáng thực hiện IPO tập trung trong giai đoạn cuối thời kỳ lấy mẫu (2001-2004) -> các cty IPO giai đoạn này chiếm 75% mẫu - Panel B: các chỉ tiêu tài chính và đặc trưng của các công ty IPO trong mẫu : là cty nhỏ, kích thướt khoảng 15.330.000 AUD, phần lớn không được bảo lãnh
- 3.1 Dữ liệu và thống kê mô tả Kết luận bảng 1: -Một cty được xem là có sử dụng công cụ phái sinh trong 1 năm nếu trong năm tài chính đó họ có sử dụng bất kỳ 1 hợp đồng phái sinh nào - Không thể ước tính mức độ tác động của các công cụ phái sinh lên cty - Những năm trước 2000, ít có thông tin liên quan đến việc sử dụng công cụ phái sinh trong trình bày BCTC - Công cụ phái sinh được xem là chức năng để xác định qui mô công ty, cty lớn sẽ sử dụng công cụ phái sinh hiệu quả
- 3.1 Dữ liệu và thống kê mô tả Bảng 2: Phòng ngừa rủi ro hoạt động và các chỉ tiêu tài chính của công ty khai khoáng thực hiện IPO
- 3.1 Dữ liệu và thống kê mô tả Bảng 2: Phòng ngừa rủi ro hoạt động và các chỉ tiêu tài chính của công ty khai khoáng thực hiện IPO - Panel A : tỷ lệ cty sử dụng công cụ phái sinh thấp hơn so với cty không sử dụng (24,44%) và không liên tục trong 5 năm - Panel B : tỷ lệ các cty trong mẫu sử dụng công cụ phái sinh ngày càng tăng - Panel C : Sự khác biệt các chỉ tiêu tài chính giữa công ty có sử dụng và không sử dụng công cụ phái sinh để phòng ngừa rủi ro. - Các công ty sử dụng công cụ phái sinh có mức độ biến động tỷ suất sinh lợi thấp hơn công ty không sử dụng các công cụ này => sử dụng công cụ phái sinh không thực sự làm giảm nguy cơ cho công ty - Khả năng phòng ngừa rủi ro cho cty biểu hiện quy mô của nền kinh tế => các công ty lớn hơn có nhiều khả năng để sử dụng các công cụ phái sinh để tự phòng ngừa rủi ro hơn so với các công ty nhỏ.
- 3.2 Đo lường tỷ suất sinh lợi từ việc thực hiện IPO - Để đo lường hiệu quả sử dụng các công cụ phái sinh, sử dụng 2 phương pháp: BHAR và CAR BHAR : tỷ suất sinh lợi từ việc mua và bán bất thường CAR : tỷ suất sinh lợi tích lũy - Điểm chuẩn so sánh : các chỉ số trên thị trường ASX Small Resources Index - Công thức tính BHAR và CAR:
- 3.2 Đo lường tỷ suất sinh lợi từ việc thực hiện IPO - Rit là tỷ suất sinh lợi hàng tháng cho công ty i trong tháng t - Rmt là tỷ suất sinh lợi hàng tháng trên Chỉ số trên thị trường chứng khoán ASX Small Resources Index. - ARi là tỷ suất sinh lợi bất thường của công ty i được tính bằng tỷ suất sinh lợi dư thừa của công ty i được dự đoán bởi mô hình thị trường ước tính trong giai đoạn năm năm - (T1, T2) là giới hạn mà Bhar và CAR được tính toán Cụ thể, ARI được tính như sau: ARit = Rit - (ai + bi´ Rmt), ai , bi là hệ số thu được từ một mô hình thị trường ước tính trong giai đoạn năm năm sau khi niêm yết của một IPO cụ thể.
- 3.2 Đo lường tỷ suất sinh lợi từ việc thực hiện IPO Bảng 3: đo lường tỷ suất sinh lợi dài hạn của các cty IPO bằng BHAR và CAR bằng PP giá trị tương đương – giá trị tích lũy:
- 3.3 Mô hình 3 nhân tố Fama - French Rit là tỷ suất sinh lợi chứng khoán hàng tháng của công ty, Rmt là sự tỷ suất sinh lợi hàng tháng trên Chỉ số ASX của các công ty khai thác tài nguyên nhỏ Rxt là sự biến động của tỷ giá AUD / USD hàng tháng. Các dữ liệu được sử dụng trong ước tính này là số liệu của các công ty IPO niêm yết trong thời gian năm năm. β2: hệ số trong phương trình (3) là một tỷ lệ đo lường độ nhạy tỷ giá hối đoái của công ty.
- 3.3 Mô hình 3 nhân tố Fama - French Bảng 4: trình bày các số liệu thống kê mô tả để ước lượng độ nhạy tỷ giá hối đoái bằng cách sử dụng phương trình (3)
- 3.3 Mô hình 3 nhân tố Fama - French Bước tiếp theo là việc xác định các công ty có độ nhạy với rủi ro tỷ giá, có thể phân loại các cty thành 4 loại khác nhau dựa vào cách sử dụng công cụ phái sinh (i) và độ nhạy (ii): • Nhóm 1: những cty phòng ngừa rủi ro hiệu quả (EHEDGERS), => có sử dụng các công cụ phái sinh và không có độ nhạy • Nhóm 2: những cty phòng ngừa rủi ro k hiệu quả (IHEDGERS) => có sử dụng các công cụ phái sinh và có độ nhạy đáng kể; • Nhóm 3: những cty không phòng ngừa rủi ro (NHEDGERS) => không sử dụng các công cụ phái sinh và có độ nhạy đáng kể; • Nhóm 4: những cty không có kỳ vọng quá khứ (NHEDGERS) => không sử dụng các công cụ phái sinh và không có độ nhạy; Trọng điểm của chúng tôi là các công ty thuộc ba loại đầu tiên, vì có rất ít rủi ro từ 1 danh mục đầu tư của một công ty mà không có độ nhạy tài chính và do đó không cần phòng ngừa
- 3.3 Mô hình 3 nhân tố Fama - French - Sử dụng mô hình 3 nhân tố Fama-French và xây dựng danh mục đầu tư trong 3 tháng dựa trên đặc tính của các công ty phòng ngừa rủi ro hiệu quả, các công ty phòng ngừa rủi ro không hiệu quả, và công ty không phòng ngừa rủi ro - Danh mục đầu tư của chúng tôi bao gồm danh mục đầu tư của tất cả các công ty IPO ra công chúng trong 10 năm qua kể từ ngày đầu tiên của mỗi tháng - Tỷ suất sinh lợi của ba danh mục đầu tư mỗi tháng được tính bằng cách lấy trung bình của tất cả các tỷ suất sinh lợi IPO, mô hình 3 yếu tố Fama-Pháp biến thể được ước tính như sau:
- 3.3 Mô hình 3 nhân tố Fama - French RIHEDGERS ,t : tỷ suất sinh lợi trong t tháng cho danh mục đầu tư của các công ty IPO sử dụng các công cụ phái sinh, nhưng có độ nhạy đáng kể. RNONUSERS,t là tỷ suất sinh lợi trong t tháng cho danh mục đầu tư của các công ty IPO mà không sử dụng các công cụ phái sinh và có độ nhạy đáng kể. RMt là tỷ suất sinh lợi trong tháng t trong Chỉ số ASX của các công ty khai thác tài nguyên nhỏ.
- 3.3 Mô hình 3 nhân tố Fama - French - RFt là tỷ lệ rủi ro trong t tháng. - SMBt là sự khác biệt giữa tỷ suất sinh lợi trên một danh mục đầu tư của các cổ phiếu nhỏ và danh mục đầu tư cổ phiếu lớn. - HMLt là sự khác biệt giữa tỷ suất sinh lợi trên một danh mục đầu tư cổ phiếu có tỷ lệ giá thị trường sách trên giá trị sổ sách cao và danh mục đầu tư cổ phiếu có tỷ lệ giá trị thị trường sách trên giá trị sổ sách thấp. - Hệ số hồi quy là α, α dương cho thấy hiệu quả cao và có ý nghĩa thống kê, trong khi một α âm cho thấy hiệu quả kém hơn.
- 3.4. Hồi qui chéo Mục tiêu nghiên cứu : vai trò của quản trị rủi ro công ty thực hiện IPO trong dài hạn Hồi qui chéo BHARs dài hạn kết hợp biến giả sử dụng công cụ phái sinh và một số biến kiểm soát -BHAR là tỷ suất sinh lợi mua và nắm giữ bất thường được tính theo phương trình (1). - DerUse là một biến giả. Nó bằng 1 nếu một công ty sử dụng các công cụ phái sinh và có giá trị khác 0. - Các biến kiểm soát : lnTA (log tự nhiên của Tổng tài sản), MTBV (giá trị thị trường trên giá trị sổ sách), tỷ suất sinh lợi ban đầu, thời gian niêm yết, ROE, và Bảo lãnh phát hành (một biến giả bằng 1 nếu IPO được bảo lãnh và có giá trị khác không)
- 3.4. Hồi qui chéo Biến thể của phương trình (7) để nghiên cứu vai trò của việc sử dụng công cụ phái sinh trên hiệu quả của công ty cho một tập hợp con của các công ty có độ nhạy đáng kể trước những thay đổi của tỷ giá hối đoái -FXExp là một biến giả, FXExp =1 nếu một công ty có độ nhạy tỷ giá hối đoái và FXExp có giá trị khác không. - Các định nghĩa của các biến số khác vẫn giống hệt như trên.
CÓ THỂ BẠN MUỐN DOWNLOAD
-
Bài giảng Khái niệm luật đất đai - TS Đặng Anh Quân
27 p | 1051 | 103
-
Bài giảng Chương 3: Dự báo và hoạch định chiến lược công nghệ
24 p | 168 | 30
-
Bài giảng Luật đất đai: Chương 3 - Trương Trọng Hiểu
19 p | 146 | 23
-
Bài giảng Quản lý dự án phần mềm: Bài 6 - Thạc Bình Cường
21 p | 109 | 16
-
Bài giảng Phân tích dữ liệu và dự báo kinh tế: Phần 1 - ĐH Phạm Văn Đồng
51 p | 89 | 16
-
Bài giảng Phân tích dữ liệu và dự báo kinh tế: Phần 2 - ĐH Phạm Văn Đồng
50 p | 66 | 15
-
Bài giảng Phương pháp nghiên cứu kinh tế: Chương 3 - Hồ Ngọc Ninh
21 p | 140 | 14
-
Bài giảng Kinh tế học quản lý: Chương 2.2 - TS. Phan Thế Công
25 p | 225 | 13
-
Bài giảng công nghệ phần mềm - Chương 5
22 p | 66 | 9
-
Bài giảng Phương pháp nghiên cứu kinh tế: Chương 3 - TS. Hồ Ngọc Ninh
21 p | 93 | 8
-
Kiểm soát dự án- Bài 6
67 p | 88 | 8
-
Bài giảng Dự báo trong kinh doanh (Business Forecasting): Chương 2.2 - Phùng Thanh Bình
25 p | 94 | 7
-
Bài giảng Phát triển hệ thống thông tin kinh tế - Chương 6: Thiết kế cơ sở dữ liệu
26 p | 63 | 5
-
Bài giảng Phương pháp nghiên cứu kinh tế: Chương 4 - TS. Kiều Thanh Nga
41 p | 12 | 5
-
Bài giảng Phương pháp nghiên cứu trong quản lý kinh tế: Chương 3 - TS. Hồ Ngọc Ninh
21 p | 63 | 4
-
Bài giảng Hệ thống thông tin quản lý trong đơn vị công - Chương 2: Nền tảng công nghệ thông tin trong hệ thống thông tin quản lý
49 p | 17 | 4
-
Bài giảng Pháp luật về thương mại điện tử: Chương 3 - ThS. Trương Kim Phụng
15 p | 23 | 2
Chịu trách nhiệm nội dung:
Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA
LIÊN HỆ
Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM
Hotline: 093 303 0098
Email: support@tailieu.vn